基于SPCE061A的通用漢字文本播音系統(tǒng)

　　0引言

　　嵌入式語音播放系統(tǒng)應用日益廣泛。漢字語音播放的方法有錄音芯片法、語音合成芯片法及漢字語音庫法等。Flash存儲器容量不斷增大，利用Windows的Speech SDK可以方便地提取漢字語音文件，因此漢字語音庫法得以廣泛應用。

　　漢字語音庫法可分為專用語音播放和通用語音播放兩類。專用語音播放系統(tǒng)只存儲少量固定的語音資源，只需較小的存儲容量，但應用范圍有限。通用語音播放系統(tǒng)存儲所有不同讀音漢字的單字語音資源，可實現(xiàn)任意文本組合的語音播放，適用于播放內容經(jīng)常更新的場合。本系統(tǒng)由1220個不同讀音漢字讀音文件構成語音庫，存于一片F(xiàn)lash存儲器中，實現(xiàn)了基于SPCE061A的嵌入式通用漢字文本語音播放系統(tǒng)。系統(tǒng)硬件簡單，使用方便，成本低廉，適用于公交車報站器等應用系統(tǒng)中。

　　1硬件原理

　　直接由漢字的wave讀音文件構成的語音庫占存儲空間很大，語音文件壓縮后，可使語音庫數(shù)據(jù)占Flash存儲器空間大大減小。凌陽為語音播放提供了多種壓縮算法，本系統(tǒng)采用碼激勵線性預測(CELP)編碼的SACM_S480壓縮算法，其壓縮比例為80：3。壓縮后的語音資源數(shù)據(jù)可存放在一片512 kB的Flash存儲器中。

　　普通單片機為核心的語音播放系統(tǒng)硬件上需要較多的外圍器件和電路，如存儲器、D／A轉換器等，軟件上語音解壓縮速度不快會影響其他操作。而若采用嵌入式微處理器實現(xiàn)語音播放系統(tǒng)則成本太高。凌陽16位單片機SPCE061A是一個最佳的選擇，它帶有DSP指令，將嵌入式語音系統(tǒng)所需的A／D、D／A等功能模塊都集成在一個芯片中，具有很強的可編程音頻處理功能。凌陽還提供SACM_LIB語音庫(本系統(tǒng)使用SACMV26e.lib)可實現(xiàn)錄音、播放和語音識別等功能。

　　本系統(tǒng)硬件原理如圖1所示，主要由SPCE061A單片機和外部Flash存儲器SPR4096A兩個芯片組成。SPCE061A運行所有語音解碼播放及其他操作的軟件功能，它的D／A輸出經(jīng)音頻功放SPY0030接揚聲器。SPR4096A存儲包括漢字讀音序號索引表、語音資源地址索引表和語音資源數(shù)據(jù)的所有語音信息。

        
 
　　通用文本語音播放有預先存儲固定文本播放、接收文本后播放和實時文本播放等3種工作方式。實時文本播放方式對系統(tǒng)的軟件處理能力的要求最高，最能檢驗系統(tǒng)的語音播放操作與其他操作的配合情況，故本系統(tǒng)采用實時文本播放的方式進行程序調試，即串行口輸入漢字的同時進行文本播放，硬件上SPCE061A的UART與PC機的RS-232連接。

　　SPCE061A有內置ICE(在線仿真器)調試接口，可實現(xiàn)在線仿真、調試和下載，程序調試非常方便，這也是選擇SPCE061A的主要原因之一。硬件上ICE調試接口與PC機并行口連接。SPCE061A除可編程音頻處理功能外，還具有豐富的I／O口、時鐘源及中斷源，F(xiàn)lash存儲達32 k字，RAM有2 k字，在語音播放的同時還能進行復雜的控制操作。

　　SPR4096A容量為512 k×8位，分256個扇區(qū)，每個扇區(qū)為2 kB，可配置為BMI(總線存儲器接口)或SIF(串行接口總線)。為節(jié)省I／O口，本系統(tǒng)使用串行接口。此串行接口是凌陽自行定義的SIO接口，也用SCK和SDA兩根信號線，但數(shù)據(jù)格式與I2C或SPI略有不同，SPCE061A的IOB0為時鐘信號SCK，IOB1為數(shù)據(jù)信號SDA。

        
 
　　2 Flash存儲器數(shù)據(jù)結構

　　GB 2312中的6 763個漢字有1 300多個不同讀音，用Speech SDK制作漢字語音庫可生成1 220個大小為20 kB的wave讀音文件，其音頻格式為PCM8 kHz 16 bit Mono，符合凌陽單片機對語音文件格式的要求。在保證讀音完整性的前提下，每個wave讀音文件裁減為6.5 kB。漢字語音庫的制作，本文不做詳細介紹，將另文發(fā)表。用凌陽的CompressTool工具將6.5 kB的wave讀音文件壓縮成S480格式(語音壓縮編碼類型為4.8 kbit／s)的語音文件，每個壓縮語音數(shù)據(jù)文件包括文件頭48字節(jié)和實際語音資源數(shù)據(jù)258字節(jié)共306字節(jié)，所以語音庫數(shù)據(jù)總的大小為306×1 220=373 320字節(jié)。

　　用ResWriter工具V2.0可將壓縮后的1 220個S480語音數(shù)據(jù)文件燒錄入SPR4096A中。ResWriter根據(jù)文件總數(shù)和每個文件大小，在最低地址生成一個語音資源地址索引表。索引表分兩大部分：第1部分14字節(jié)，是整個語音資源的總信息，包括4字節(jié)的標識碼SPRW(Sunplus Read Write)4字節(jié)的起始地址、4字節(jié)的結束地址和2字節(jié)的文件總數(shù)；第2部分為每個文件的信息，共1 220項，分別對應一個文件，每項12字節(jié)，包括4字節(jié)的長度、4字節(jié)的起始地址和4字節(jié)的結束地址。所以此索引表的大小為14+12×1220=14 654字節(jié)。

　　要根據(jù)文本中每個漢字內碼找到語音數(shù)據(jù)地址，還必須有漢字讀音序號索引表。此表在語音庫制作的同時生成，共6 763項，按GB 2312順序每項對應一個漢字在1 220個讀音文件的序號，用2字節(jié)表示，總大小為13 526字節(jié)，占用7個扇區(qū)。另編一個小程序，將此表寫入Flash存儲器最底部的7個扇區(qū)，即從地址0x7C800開始。Flash存儲器還剩59個空白扇區(qū)，可供其他數(shù)據(jù)寫入。

　　漢字讀音序號索引表、語音資源地址索引表和語音資源數(shù)據(jù)的總長度為392 kB，存儲在SPR4096A中，結構如圖2所示，所有地址和長度數(shù)據(jù)均為高字節(jié)在前，低字節(jié)在后，用十六進制表示。當然，漢字讀音序號索引表也可存放在SPCE061A的內部Flash存儲器中，這樣編程較簡單，但會多占用程序存儲器空間。

　　3軟件流程

　　3.1漢字語音資源地址的計算

　　由漢字機內碼計算漢字語音資源的起始地址和結束地址分為以下2步：

　　a)由公式：(機內碼高字節(jié)WH-0xB0)×94+(機內碼低字節(jié)WL-0xA1)，計算出漢字在漢字讀音序號索引表中的偏移值(設為M)，在0x7C800+2*(M-1)地址處查得漢字讀音序號(設為N)。

　　b)由漢字讀音序號N，在語音資源地址索引表中從0x12+0xC*(N-1)地址開始查得該漢字的語音資源數(shù)據(jù)的起始地址和結束地址。

　　3.2漢字語音資源播放
　　
　　以語音資源的起始地址和結束地址為參數(shù)，調用SACM_S480中相應的API函數(shù)就可實現(xiàn)語音播放，流程如圖3所示。

　　凌陽語音播放有自動和手動兩種API，由于語音資源存儲在外部SPR4096A中，需先讀出并存入內部RAM中才能解碼，故只能采用手動方式播放語音，初始化、讀取資源數(shù)據(jù)、填充語音隊列、解碼、停止播放等都用相應的API實現(xiàn)，函數(shù)原型在流程圖中有詳細的表示。

        
 
　　采用Compress Tool工具壓縮的S480格式的語音資源帶有48字節(jié)的文件頭，所以語音資源首地址還要加48跳過此文件頭，然后調用兩個初始化函數(shù)進行解碼列隊和解碼器的初始化，最后進入循環(huán)。手動或自動播放方式選擇的初始化在主程序中進行，解碼器初始化就是選擇D／A通道，可用兩個通道之一，也可兩個通道全用。

　　在循環(huán)中首先讀取語音隊列狀態(tài)，返回值0或1表示語音隊列空或滿。若語音隊列不滿，判斷地址是否超出語音資源的結束地址，若未超出結束地址，則從SPR4096A取語音資源，將語音資源填入語音隊列中等待解碼處理，地址指針指向下一個地址單元；若已經(jīng)超出結束地址，則退出填充隊列循環(huán)。在解碼播放前要讀取語音播放的狀態(tài)，返回值1或0表示正在播放或已播放結束，若播放已結束，則調用停止播放函數(shù)，結束循環(huán)。

　　實際的語音播放是在TMA_FIQ中斷源的中斷服務子程序中調用函數(shù)F_FIQ_Service_SACM_S480實現(xiàn)的，它將解碼后的數(shù)據(jù)送人D／A通道播放。中斷子程序的編程、播放函數(shù)的詳細介紹和其他相關函數(shù)如音量控制、暫停播放、恢復播放等見文獻[1]。

　　3.3主程序流程

　　主程序流程如圖4所示，對硬件及播音函數(shù)初始化后，循環(huán)執(zhí)行語音數(shù)據(jù)解碼播放和其他操作。文本輸入并寫入循環(huán)緩沖區(qū)的操作在串行口中斷子程序中進行。為了不互相影響，這3個操作都不能占用太長時間。

        
 
　　文本輸入與語音播放必須很好地配合，系統(tǒng)采用環(huán)形緩沖區(qū)來協(xié)調這兩個操作。串行口中斷子程序每接收一個漢字就填人環(huán)形緩沖區(qū)，并移動寫入指針。語音播放前先利用讀出指針和寫入指針判斷環(huán)形緩沖區(qū)內是否有2字節(jié)或2字節(jié)以上的數(shù)據(jù)，若無則可進行其他操作；若有再判斷該數(shù)據(jù)是否為漢字機內碼。若不是只移動讀出指針；若是則移動讀出指針，并調用漢字語音播放函數(shù)進行單個漢字的語音播放。因為主程序的處理過程足夠快，所以若漢字輸入是連續(xù)的，則播放也是連續(xù)平滑的。

　　系統(tǒng)的其他操作如鍵盤掃描及按鍵處理、顯示驅動及數(shù)據(jù)更新等，也必須能與文本語音播放協(xié)調配合。系統(tǒng)調試時，在主程序循環(huán)中插入一個鍵盤掃描程序，用按鍵控制音量增減、重復播放同一漢字等。因為一個漢字的解碼播放和其他操作是交替進行的，所以進行其他操作時不能解碼播放，解碼播放時不能進行其他操作，這就要求其他操作執(zhí)行時間不超過一個漢字的播放時間，否則會影響語音播放的實時性。另一方面，其他操作的間隔時間必須大于一個漢字播放時間，否則播放操作會影響其他操作。改進程序流程可以解決以上問題，若其他操作執(zhí)行時間過長，可分解成幾個操作與解碼播放交替進行；若其他操作間隔時間要求較短，可將其他操作移到播放子程序的解碼循環(huán)中，因為D/A輸出頻率為8 kHz，所以理論上每次循環(huán)時其他操作所用時間只要在0.125 ms以下就不會影響語音播放。

　　4結束語

　　本文實現(xiàn)了基于凌陽SPCE061A的通用漢字文本語音播放系統(tǒng)。實際應用中還有一些細節(jié)問題要考慮，多音字可用讀音相同的漢字代替播放；若文本中夾有英語字母，只需在語音資源中加入字母發(fā)音數(shù)據(jù)，原理與漢字播音完全相同。本系統(tǒng)的最大優(yōu)點是硬件簡單，成本低廉，軟件效率高。在播音的同時還能進行其他復雜的控制操作。