开源TTS/语音合成和处理工具
1.eSpeak-Chinese
eSpeak-Chinese是一个TTS软件。
它是基于Jonathan Duddington 的eSpeak,由于中文词典太大,eSpeak缺省并不带中文词典,需另外下载。
发布
eSpeak-Chinese只是为了方便用户安装。
国语支持的主要贡献者:
•Kyle Wang (waxaca at ) –创建了最初的字典,规则和声音文件。
•Silas S. Brown (/ssb22/) - 改进词典(加入CEDICT等).
粤语支持的主要贡献者:
•黄冠能 - 创建了粤语字典,简易的规则和声音文件。
eSpeak-Chinese是eGuideDog项目的重要组成部分。
另一个中文TTS(余音)在开发中。
它在设计上更简易但文件较大。
由于使用了真人发声,它比eSpeak的声音更自然。
目前它只支持粤语。
2.Flite
Flite是一个小型、快速的TTS系统,是著名的语音合成系统festival的c版本。
可用于嵌入式系统
3.FreeTTS
FreeTTS 是完全采用 Java 开发的语音合成系统,它是卡内基梅隆大学基于Flite 这个小型的语音合成引擎开发的。
FreeTTS是一个语音合成系统写的JavaTM编程语言完全。
它是根据Flite公司:一个小运行时语音合成引擎卡内基梅隆大学的发展。
弗莱特来源于节语音合成系统,从爱丁堡大学和卡内基梅隆大学的festvox项目。
这种FreeTTS版本包括:*核心语音合成引擎*支持的多寡:邻一8kHz的双音子,男,美国英语语音办公16KHz的双音子,男,美国英语语音办公16KHz的有限域,男*美国英语语音的festvox的进口(美国英语的声音只)*对进口的festvox(仅限美式英文)*支持工具中央结算系统的MBROLA北极的具体支持,支持的声音声音(单独下载):办公自动化16KHz的女性,美国英语语音O 2个16KHz的男性声音*美国英语为JSAPI 1.0 *广泛的API文档部分支持*几个演示应用
4.eSpeak
eSpeak是一个紧凑的开放源码软件的语音合成器为英语和其他语言,为Linux 和Windows 。
eSpeak生产高质量的英语演讲。
它使用了不同的合成方法从其他开源语音合成引擎,和声音完全不同。
这也许不是作为自然人或“平稳” ,但我觉得发音更清晰,更容易听很长时间。
它可以运行命令行程序发言的文本文件或从标准输入。
一个共享库的版本也已推出。
•包括不同的声音,其特点可以改变。
•能产生语音输出为WAV文件。
• SSML (语音合成标记语言)的支持(未完成),并使用HTML 。
•该计划及其数据,其中包括数种语言,总计约700千字节。
•可以把文字,音素代码,所以它能够适应作为一个前端另一个语音合成引擎。
•潜在的其他语言。
一些包含在不同阶段所取得的进展。
帮助母语为这些或其他语言的欢迎。
•开发工具可用于生产和调整音素数据。
•写在C + +
Windows版本目前的Windows SAPI5和命令行版本的eSpeak 。
SAPI5版本的可以使用屏幕阅读器,如完,颌骨,超新星,以及窗的眼睛。
它们可以作为一个Windows安装程序包
该eSpeak语音合成器支持几种语言,但在大多数情况下,这些都是初稿,并需要更多的工作来改善。
援助的母语是值得欢迎的这些或其他新的语言。
请与我联系如果你想帮助。
eSpeak没有文字,语音合成的语言,一些比别人做得更好。
南非荷兰语,粤语,克罗地亚语,捷克语,荷兰语,英语,世界语,芬兰语,法语,德语,希腊语,印地语,匈牙利语,冰岛语,意大利语, Lojban ,马其顿语,普通话,挪威语,波兰语,葡萄牙语,罗马尼亚语,俄语,塞尔维亚语,斯洛伐克语,西班牙语,斯瓦希里语,瑞典,越南,威尔士。
5.OpenVXI
OpenVXI 提供的是完整的 VXML 解析服务,同时也提供了有限语言的 TTS 支持。
Voice eXtensible Markup Language(简称 VXML)是被用来创建语音对话系统,可以调用语音合成以及语音识别服务,可以用来记录语音录入和连接电话系统。
创建 VXML 语音的主要目的就是用 Web 开发的理念来开发交互式的语音应用。
VXML 提供了基于 Menu 和基于 Form 的两套框架,整合了语音识别和语音合成两个关键服务,使得语音应用的开发变得更为方便和快捷。
VXML 和普通的标记语言一样,需要有浏览器进行解析;还需要提供语音识别和语音合成服务的应用服务器;有时也需要有 http 服务器提供文档服务;当然,如果需要与电话系统相连,就必须加上 VOIP (网络电话)的支持。
如下图所示
的就是 VXML 的运行环境:
图 1. VXML 运行环境
一个企业级应用的系统框架
IVR (interactive voice-response services) 也就是自动应答服务,是使用VXML 的典型企业级应用。
IVR 和使用者通过电话,按键 (DTMF) 互动,如语音订票,语音查询,语音投票等。
普通的 IVR 都是支持 VXML 的解析和提供了 sip 协议的支持,通过和 ASR ( 语音识别 ) 应用服务器以及 TTS( 语音合成 ) 应用服务器的集成,可以实现几乎所有的 VXML 封装的操作。
企业级的 VXML 应用需要如下的体系结构,以使用 IBM Voice Server (WVS) 为例:
图 2. 一个 VXML 具体应用的例子
上图中的 IVR 事实上就是 VXML 解析器,通过解析 VXML,分发相应的工作给WVS ,实现 VXML 封装的语音识别和语音合成的功能。
6.Festival
Festival 是 Linux 下的一个语音合成软件
使用方法:
$ festival --tts letter.txt
$ festival
festival> (SayText "Greetings from ") $festival> (tts "myfile.txt")
在线演示:/projects/festival/onlinedemo.html 7.MBROLA
MBROLA 是一个 TTS 引擎,旨在尽可能的提供各种语言的语音合成器,这些语言在其首页上都有说明。
8.AstLinux
AstLinux 是一个定制的Linux发行版,主要是围绕这asterisk这个语音交换软件定制的。
9.HTS (HMM-based Speech Synthesis System)
HTS (HMM-based Speech Synthesis System)是一个语音合成系统
阅读 HTS 所使用的技术和算法,请看:
http://hts.sp.nitech.ac.jp/?Publications
10.Festvox
Festvox 是卡内基梅隆大学语音项目组开发的语音合成系统
11.Speak It
阅读的书页或选定文本使用微软语音合成引擎...
12.语音识别系统 Simon
Simon 是一个开源的语音识别系统,它不仅可以输入文字,而且可以代替键盘、鼠标操作电脑。
Simon 基于Qt用 C++ 开发,因为某些支持库与 KDE 相同,所以可完美的集成到KDE4 中。
除 KDE 之外,Simon 也可在GNOME、Xfce、及其他 X11 环境下运行。
13.语音合成引擎 gnuspeech
Gnuspeech是一个可扩展的语音合成实现包的基础上,实时,发音,语音合成按规则。
也就是说,它转换成语音的描述文本字符串,由一个发音辞典,信中对声音的规则,节奏和语调模型资助;参数转换成一个低级别的发音合成的语音说明,以及利用这些驱动发音模型的制作人声是正常的声音输出的GNU / Linux的设备输出合适的道
14.语音合成引擎 Epos
Epos 是一个跟语言本身无关的规则驱动的语音合成系统,主要作科研用途
在线演示:http://epos.ure.cas.cz/cgi-bin/saye.cgi?lang=czech
15.语音合成软件 NeXTeNS
NeXTeNS 是一个荷兰语的Text-to-Speech的软件。
16.JVoiceXML
Java VoiceXML Interpreter 一个用Java写的免费VoiceXML的解析器,支持JSAPI、JTAPI。
17.语音合成引擎 MARY
MARY 是一个支持英语、德语和藏语的 Text-to-Speech 合成系统。