之前我用過科大訊飛的語音包，為了記錄一下我重新使用一下
首先注冊科大訊飛賬號及應用，以后每個下載的在線使用SDK都是以此賬戶ID登錄訊飛語音服務器。
下載科大訊飛在線合成包。
$ unzip Linux_voice_1135_57f49f64\ \(1\).zip
文件目錄示意圖
. ├── bin │ ├── gm_continuous_digit.abnf │ ├── msc │ │ └── msc.cfg │ ├── source.txt │ ├── userwords.txt │ └── wav │ ├── iflytek01.wav │ ├── iflytek02.wav │ └── weather.pcm ├── doc │ ├── Grammar Development Guidelines.chm │ ├── iFlytek MSC Reference Manual │ │ ├── all__0_8js.html │ │ ├── all__1_8js.html │ │ ├── arrowdown.png │ │ ├── arrowright.png │ │ ├── bc_s.png │ │ ├── bdwn.png │ │ ├── closed.png │ │ ├── dir_25539194184bab781b1c7ecd67774cd8.html │ │ ├── dir_9a65024ac0a05d9abfc2bb6c7ff8f818.html │ │ ├── doc.png │ │ ├── doxygen.css │ │ ├── doxygen.png │ │ ├── dynsections_8js.html │ │ ├── dynsections.js │ │ ├── files__0_8js.html │ │ ├── files__1_8js.html │ │ ├── files.html │ │ ├── folderclosed.png │ │ ├── folderopen.png │ │ ├── functions__0_8js.html │ │ ├── functions__1_8js.html │ │ ├── globals_func.html │ │ ├── globals.html │ │ ├── globals_vars.html │ │ ├── index.html │ │ ├── jquery_8js.html │ │ ├── jquery.js │ │ ├── msp__cmn_8h.html │ │ ├── msp__cmn_8h_source.html │ │ ├── nav_f.png │ │ ├── nav_g.png │ │ ├── nav_h.png │ │ ├── open.png │ │ ├── qisr_8h.html │ │ ├── qisr_8h_source.html │ │ ├── qmfv_8h.html │ │ ├── qmfv_8h_source.html │ │ ├── qtts_8h.html │ │ ├── qtts_8h_source.html │ │ ├── search │ │ │ ├── all_0.html │ │ │ ├── all_0.js │ │ │ ├── all_10.html │ │ │ ├── all_10.js │ │ │ ├── all_11.html │ │ │ ├── all_11.js │ │ │ ├── all_1.html │ │ │ ├── all_1.js │ │ │ ├── all_2.html │ │ │ ├── all_2.js │ │ │ ├── all_3.html │ │ │ ├── all_3.js │ │ │ ├── all_4.html │ │ │ ├── all_4.js │ │ │ ├── all_5.html │ │ │ ├── all_5.js │ │ │ ├── all_6.html │ │ │ ├── all_6.js │ │ │ ├── all_7.html │ │ │ ├── all_7.js │ │ │ ├── all_8.html │ │ │ ├── all_8.js │ │ │ ├── all_9.html │ │ │ ├── all_9.js │ │ │ ├── all_a.html │ │ │ ├── all_a.js │ │ │ ├── all_b.html │ │ │ ├── all_b.js │ │ │ ├── all_c.html │ │ │ ├── all_c.js │ │ │ ├── all_d.html │ │ │ ├── all_d.js │ │ │ ├── all_e.html │ │ │ ├── all_e.js │ │ │ ├── all_f.html │ │ │ ├── all_f.js │ │ │ ├── close.png │ │ │ ├── files_0.html │ │ │ ├── files_0.js │ │ │ ├── files_1.html │ │ │ ├── files_1.js │ │ │ ├── files_2.html │ │ │ ├── files_2.js │ │ │ ├── files_3.html │ │ │ ├── files_3.js │ │ │ ├── files_4.html │ │ │ ├── files_4.js │ │ │ ├── files_5.html │ │ │ ├── files_5.js │ │ │ ├── files_6.html │ │ │ ├── files_6.js │ │ │ ├── functions_0.html │ │ │ ├── functions_0.js │ │ │ ├── functions_1.html │ │ │ ├── functions_1.js │ │ │ ├── functions_2.html │ │ │ ├── functions_2.js │ │ │ ├── functions_3.html │ │ │ ├── functions_3.js │ │ │ ├── functions_4.html │ │ │ ├── functions_4.js │ │ │ ├── functions_5.html │ │ │ ├── functions_5.js │ │ │ ├── functions_6.html │ │ │ ├── functions_6.js │ │ │ ├── functions_7.html │ │ │ ├── functions_7.js │ │ │ ├── functions_8.html │ │ │ ├── functions_8.js │ │ │ ├── functions_9.html │ │ │ ├── functions_9.js │ │ │ ├── functions_a.html │ │ │ ├── functions_a.js │ │ │ ├── mag_sel.png │ │ │ ├── nomatches.html │ │ │ ├── search.css │ │ │ ├── searchdata.js │ │ │ ├── search.js │ │ │ ├── search_l.png │ │ │ ├── search_m.png │ │ │ ├── search_r.png │ │ │ ├── variables_0.html │ │ │ ├── variables_0.js │ │ │ ├── variables_1.html │ │ │ ├── variables_1.js │ │ │ ├── variables_2.html │ │ │ ├── variables_2.js │ │ │ ├── variables_3.html │ │ │ ├── variables_3.js │ │ │ ├── variables_4.html │ │ │ ├── variables_4.js │ │ │ ├── variables_5.html │ │ │ ├── variables_5.js │ │ │ ├── variables_6.html │ │ │ ├── variables_6.js │ │ │ ├── variables_7.html │ │ │ └── variables_7.js │ │ ├── search_8js.html │ │ ├── searchdata_8js.html │ │ ├── splitbar.png │ │ ├── sync_off.png │ │ ├── sync_on.png │ │ ├── tab_a.png │ │ ├── tab_b.png │ │ ├── tab_h.png │ │ ├── tabs.css │ │ └── tab_s.png │ ├── MSC Novice Manual for Linux.pdf │ ├── Open Semantic Platform API Documents.pdf │ └── Recording API Documents_.doc ├── include │ ├── msp_cmn.h │ ├── msp_errors.h │ ├── msp_types.h │ ├── qisr.h │ └── qtts.h ├── libs │ ├── x64 │ │ └── libmsc.so │ └── x86 │ └── libmsc.so ├── Linux_voice_1135_57f49f64 (1).zip ├── README └── samples ├── asr_sample │ ├── 32bit_make.sh │ ├── 64bit_make.sh │ ├── asr_sample.c │ └── Makefile ├── iat_record │ ├── 32bit_make.sh │ ├── 64bit_make.sh │ ├── formats.h │ ├── iat_record.c │ ├── linuxrec.c │ ├── linuxrec.h │ ├── Makefile │ ├── speech_recognizer.c │ └── speech_recognizer.h ├── iat_sample │ ├── 32bit_make.sh │ ├── 64bit_make.sh │ ├── iat_sample.c │ └── Makefile ├── sch_speak │ ├── 32bit_make.sh │ ├── 64bit_make.sh │ ├── Makefile │ └── sch_speak.c ├── sch_text │ ├── 32bit_make.sh │ ├── 64bit_make.sh │ ├── Makefile │ └── sch_text.c └── tts_sample ├── 32bit_make.sh ├── 64bit_make.sh ├── Makefile └── tts_sample.c
我們編譯使用tts_sample目錄下的源文件
編譯方法依照訊飛文檔
cam@cam-Aspire-V3-572G:~/xunfei/TTS/samples/tts_sample$ source 64bit_make.sh
將64bit_make.sh拷貝到bin目錄，執行程序時會用到動態鏈接庫
cam@cam-Aspire-V3-572G:~/xunfei/TTS/samples/tts_sample$ cp 64bit_make.sh ../../bin/
運行程序
cam@cam-Aspire-V3-572G:~/xunfei/TTS/bin$ ./tts_sample
會在當前目錄合成一個聲音文件。
cam@cam-Aspire-V3-572G:~/xunfei/TTS/bin$ play tts_sample.wav
如果沒有安裝sox，執行安裝命令
sudo apt-get install sox
由於官方的需要選擇系統平台，我們都是確定的，就不用那么麻煩的 每次更新環境
修改makfile，刪除判斷語句
#common makefile header DIR_INC = ../../include DIR_BIN = ../../bin DIR_LIB = ../../libs TARGET = tts_sample BIN_TARGET = $(DIR_BIN)/$(TARGET) CROSS_COMPILE = CFLAGS = -g -Wall -I$(DIR_INC) LDFLAGS := -L$(DIR_LIB)/x64 LDFLAGS += -lmsc -lrt -ldl -lpthread OBJECTS := $(patsubst %.c,%.o,$(wildcard *.c)) $(BIN_TARGET) : $(OBJECTS) $(CROSS_COMPILE)gcc $(CFLAGS) $^ -o $@ $(LDFLAGS) %.o : %.c $(CROSS_COMPILE)gcc -c $(CFLAGS) $< -o $@ clean: @rm -f *.o $(BIN_TARGET) .PHONY:clean #common makefile foot
將
├── libs │
├── x64
│ │ └── libmsc.so
libmsc.so拷貝到/user/libs下 即可。
以后直接make
源文件
/* * 語音合成（Text To Speech，TTS）技術能夠自動將任意文字實時轉換為連續的 * 自然語音，是一種能夠在任何時間、任何地點，向任何人提供語音信息服務的 * 高效便捷手段，非常符合信息時代海量數據、動態更新和個性化查詢的需求。 */ #include <stdio.h> #include <string.h> #include <stdlib.h> #include <unistd.h> #include "qtts.h" #include "msp_cmn.h" #include "msp_errors.h" /* wav音頻頭部格式 */ typedef struct _wave_pcm_hdr { char riff[4]; // = "RIFF" int size_8; // = FileSize - 8 char wave[4]; // = "WAVE" char fmt[4]; // = "fmt " int fmt_size; // = 下一個結構體的大小 : 16 short int format_tag; // = PCM : 1 short int channels; // = 通道數 : 1 int samples_per_sec; // = 采樣率 : 8000 | 6000 | 11025 | 16000 int avg_bytes_per_sec; // = 每秒字節數 : samples_per_sec * bits_per_sample / 8 short int block_align; // = 每采樣點字節數 : wBitsPerSample / 8 short int bits_per_sample; // = 量化比特數: 8 | 16 char data[4]; // = "data"; int data_size; // = 純數據長度 : FileSize - 44 } wave_pcm_hdr; /* 默認wav音頻頭部數據 */ wave_pcm_hdr default_wav_hdr = { { 'R', 'I', 'F', 'F' }, 0, {'W', 'A', 'V', 'E'}, {'f', 'm', 't', ' '}, 16, 1, 1, 16000, 32000, 2, 16, {'d', 'a', 't', 'a'}, 0 }; /* 文本合成 */ int text_to_speech(const char* src_text, const char* des_path, const char* params) { int ret = -1; FILE* fp = NULL; const char* sessionID = NULL; unsigned int audio_len = 0; wave_pcm_hdr wav_hdr = default_wav_hdr; int synth_status = MSP_TTS_FLAG_STILL_HAVE_DATA; if (NULL == src_text || NULL == des_path) { printf("params is error!\n"); return ret; } fp = fopen(des_path, "wb"); if (NULL == fp) { printf("open %s error.\n", des_path); return ret; } /* 開始合成 */ sessionID = QTTSSessionBegin(params, &ret); if (MSP_SUCCESS != ret) { printf("QTTSSessionBegin failed, error code: %d.\n", ret); fclose(fp); return ret; } ret = QTTSTextPut(sessionID, src_text, (unsigned int)strlen(src_text), NULL); if (MSP_SUCCESS != ret) { printf("QTTSTextPut failed, error code: %d.\n",ret); QTTSSessionEnd(sessionID, "TextPutError"); fclose(fp); return ret; } printf("正在合成 ...\n"); fwrite(&wav_hdr, sizeof(wav_hdr) ,1, fp); //添加wav音頻頭，使用采樣率為16000 while (1) { /* 獲取合成音頻 */ const void* data = QTTSAudioGet(sessionID, &audio_len, &synth_status, &ret); if (MSP_SUCCESS != ret) break; if (NULL != data) { fwrite(data, audio_len, 1, fp); wav_hdr.data_size += audio_len; //計算data_size大小 } if (MSP_TTS_FLAG_DATA_END == synth_status) break; printf(">"); usleep(150*1000); //防止頻繁占用CPU }//合成狀態synth_status取值請參閱《訊飛語音雲API文檔》 printf("\n"); if (MSP_SUCCESS != ret) { printf("QTTSAudioGet failed, error code: %d.\n",ret); QTTSSessionEnd(sessionID, "AudioGetError"); fclose(fp); return ret; } /* 修正wav文件頭數據的大小 */ wav_hdr.size_8 += wav_hdr.data_size + (sizeof(wav_hdr) - 8); /* 將修正過的數據寫回文件頭部,音頻文件為wav格式 */ fseek(fp, 4, 0); fwrite(&wav_hdr.size_8,sizeof(wav_hdr.size_8), 1, fp); //寫入size_8的值 fseek(fp, 40, 0); //將文件指針偏移到存儲data_size值的位置 fwrite(&wav_hdr.data_size,sizeof(wav_hdr.data_size), 1, fp); //寫入data_size的值 fclose(fp); fp = NULL; /* 合成完畢 */ ret = QTTSSessionEnd(sessionID, "Normal"); if (MSP_SUCCESS != ret) { printf("QTTSSessionEnd failed, error code: %d.\n",ret); } return ret; } int main(int argc, char* argv[]) { int ret = MSP_SUCCESS; const char* login_params = "appid = 57f49f64, work_dir = .";//登錄參數,appid與msc庫綁定,請勿隨意改動 /* * rdn: 合成音頻數字發音方式 * volume: 合成音頻的音量 * pitch: 合成音頻的音調 * speed: 合成音頻對應的語速 * voice_name: 合成發音人 * sample_rate: 合成音頻采樣率 * text_encoding: 合成文本編碼格式 * * 詳細參數說明請參閱《訊飛語音雲MSC--API文檔》 */ const char* session_begin_params = "voice_name = xiaowanzi, text_encoding = utf8, sample_rate = 16000, speed = 50, volume = 50, pitch = 50, rdn = 0"; const char* filename = "tts_sample.wav"; //合成的語音文件名稱 const char* text = "我是小丸子，今年126歲了，我的車牌號是12365，今年是2016年12月20號"; //合成文本 /* 用戶登錄 */ ret = MSPLogin(NULL, NULL, login_params);//第一個參數是用戶名，第二個參數是密碼，第三個參數是登錄參數，用戶名和密碼可在http://open.voicecloud.cn注冊獲取 if (MSP_SUCCESS != ret) { printf("MSPLogin failed, error code: %d.\n", ret); goto exit ;//登錄失敗，退出登錄 } printf("\n###########################################################################\n"); printf("## 語音合成（Text To Speech，TTS）技術能夠自動將任意文字實時轉換為連續的 ##\n"); printf("## 自然語音，是一種能夠在任何時間、任何地點，向任何人提供語音信息服務的 ##\n"); printf("## 高效便捷手段，非常符合信息時代海量數據、動態更新和個性化查詢的需求。 ##\n"); printf("###########################################################################\n\n"); /* 文本合成 */ printf("開始合成 ...\n"); ret = text_to_speech(text, filename, session_begin_params); if (MSP_SUCCESS != ret) { printf("text_to_speech failed, error code: %d.\n", ret); } printf("合成完畢\n"); exit: printf("按任意鍵退出 ...\n"); getchar(); MSPLogout(); //退出登錄 return 0; }
const char* session_begin_params = "voice_name = xiaowanzi, text_encoding = utf8, sample_rate = 16000, speed = 50, volume = 50, pitch = 50, rdn = 0";
wav文件頭的格式
/* wav音頻頭部格式 */ typedef struct _wave_pcm_hdr { char riff[4]; // = "RIFF" int size_8; // = FileSize - 8 char wave[4]; // = "WAVE" char fmt[4]; // = "fmt " int fmt_size; // = 下一個結構體的大小 : 16 short int format_tag; // = PCM : 1 short int channels; // = 通道數 : 1 int samples_per_sec; // = 采樣率 : 8000 | 6000 | 11025 | 16000 int avg_bytes_per_sec; // = 每秒字節數 : samples_per_sec * bits_per_sample / 8 short int block_align; // = 每采樣點字節數 : wBitsPerSample / 8 short int bits_per_sample; // = 量化比特數: 8 | 16 char data[4]; // = "data"; int data_size; // = 純數據長度 : FileSize - 44 } wave_pcm_hdr; /* 默認wav音頻頭部數據 */ wave_pcm_hdr default_wav_hdr = { { 'R', 'I', 'F', 'F' }, 0, {'W', 'A', 'V', 'E'}, {'f', 'm', 't', ' '}, 16, 1, 1, 16000, 32000, 2, 16, {'d', 'a', 't', 'a'}, 0 };
|
|
偏移地址 |
字節數 |
數據類型 |
內容 |
|
文件頭 |
00H |
4 |
char |
“RIFF”; RIFF標志 |
| 04H |
4 |
long int |
0x00 01 06 0A（注意數據存儲順序）; 文件長度 |
|
| 08H |
4 |
char |
“WAVE”; WAVE標志 |
|
| 0CH |
4 |
char |
“fmt ”; fmt標志，最后一位為空 |
|
| 10H |
4 |
long int |
0x12; sizeof(PCMWAVEFORMAT) |
|
| 14H |
2 |
int |
1（WAVE_FORMAT_PCM）; 格式類別，1表示為PCM形式的聲音數據 |
|
| 16H |
2 |
int |
2; 通道數，單聲道為1，雙聲道為2 |
|
| 18H |
2 |
int |
44100; 采樣頻率（每秒樣本數） |
|
| 1CH |
4 |
long int |
0x10B10000; 每秒數據量；其值為通道數×每秒數據位數×每樣本的數據位數／8。播放軟件利用此值可以估計緩沖區的大小。 |
|
| 20H |
2 |
int |
數據塊的調整數（按字節算的），其值為通道數×每樣本的數據位值／8。播放軟件需要一次處理多個該值大小的字節數據，以便將其值用於緩沖區的調整。 |
|
| 22H |
2 |
每樣本的數據位數，表示每個聲道中各個樣本的數據位數。如果有多個聲道，對每個聲道而言，樣本大小都一樣。 |
||
| 50H |
4 |
char |
“data”; 數據標記符 |
|
| 54H |
4 |
long int |
0x00 01 05 D8; 語音數據大小 |