劉萬鳳　張笑青

摘要：健康老齡化的觀念日益受到社會的關(guān)注。智能手機的使用為老年人的生活提供了便捷與享受。語音合成技術(shù)的成熟發(fā)展更是為基于Android操作系統(tǒng)的老人智能機的開發(fā)提供了可能。論文在對智能手機、語音合成技術(shù)等介紹的前提下，詳細(xì)闡述了漢語語音合成引擎的工作原理、Android操作系統(tǒng)平臺的體系結(jié)構(gòu)，并給出了基于Android操作平臺的漢語語音合成開發(fā)環(huán)境的搭建和應(yīng)用過程開發(fā)。

關(guān)鍵詞：老人智能機；Android；漢語語音合成；語音合成應(yīng)用

中圖分類號：TP31 文獻標(biāo)識碼：A 文章編號：1009-3044（2014）33-7971-02

1 概述

在我國，隨著人民健康水平的提高和人口壽命的延長，老年人口所占的比例越來越大，并將在未來很長一段時間內(nèi)保持穩(wěn)定的增速。構(gòu)建和諧舒適的晚年生活已經(jīng)成為全社會的焦點。近年來，國內(nèi)網(wǎng)絡(luò)的普及、3G、4G牌照的放行以及移動互聯(lián)網(wǎng)的迅速發(fā)展，使得智能手機的普及率越來越高。一些老年人，特別是有一定身份地位的中老年人都開始使用智能手機。

在激烈的手機市場競爭中，企業(yè)必須根據(jù)用戶的需求更加準(zhǔn)確的定位市場，設(shè)計出好用又實用的智能手機，才能獲得更大的競爭優(yōu)勢。目前，不少企業(yè)已經(jīng)將目光投向了中老年市場。華錄公司通過深入社區(qū)及老年大學(xué)進行了大量的老年人訪談與調(diào)研，總結(jié)出老年人對具有智能溝通、外觀時尚、操作簡單、健康管理的手機最為歡迎，其中，語音功能需求非常強烈。

2 智能手機概述

智能手機（smart phone）是指具有獨立的運行空間，可以獨立運行操作系統(tǒng)，由用戶自行選擇安裝第三方服務(wù)商提供的程序以及具有高速無線網(wǎng)絡(luò)通信功能的手機總稱。智能手機的誕生，最初是由掌上電腦演變而來的。2000年，摩托羅拉公司率先生產(chǎn)了世界上第一臺智能手機——天拓A6188。至此，智能手機就因其功能強大、操作性強以及全觸屏快捷訪問的優(yōu)點，迅速受到人們的追捧。

目前，智能手機的操作系統(tǒng)主要有iOS、Android、Window Phone、BlackBerry OS等，經(jīng)過幾年的發(fā)展，這些操作平臺技術(shù)和應(yīng)用環(huán)境逐步趨于成熟。在眾多智能手機操作系統(tǒng)市場份額當(dāng)中，排名第一的依然為巨頭Android。據(jù)統(tǒng)計，截止2012年11月，Android已經(jīng)占據(jù)全球智能手機操作系統(tǒng)76%的市場份額，中國市場占有率更是為90%，徹底占領(lǐng)中國智能手機市場，也成為全球最受歡迎的智能手機操作系統(tǒng)。

3 漢語語音合成

3.1 漢語語音合成概述

語音合成[1]（Speech Synthesis）是將文本組成的書面語言按照設(shè)定的速度、頻率等要求輸出為語音信息，是運用語言學(xué)和自然語言相關(guān)的知識，使得計算機模仿人的發(fā)聲，自動生成語音的過程。語音合成技術(shù)的研究雖然已經(jīng)有兩百多年的歷史，但是真正的近代語音合成技術(shù)是隨著計算機技術(shù)和數(shù)字信號處理技術(shù)的發(fā)展而發(fā)展起來的。經(jīng)過幾十年的發(fā)展，英語語音合成技術(shù)已經(jīng)比較成熟，而漢語語音合成技術(shù)，由于漢語獨特的發(fā)音特點，一直未取得令人滿意的合成效果。

近十幾年，由于國內(nèi)相關(guān)公司及科研機構(gòu)研發(fā)力度的加強，涌現(xiàn)出了許多的新理論、新技術(shù)，漢語語音合成技術(shù)在自然度方面取得了較大的進步。早期，漢語語音合成方法采用基于規(guī)則的合成方法，這種方法主要用波形疊加的方法模擬人的聲帶、口腔等器官。后來，由于拼接技術(shù)具有相對高質(zhì)量的合成效果，基于規(guī)則的合成方法逐漸退出了主流技術(shù)的舞臺。目前，安徽合肥的科大訊飛信息科技股份有限公司[2]憑借中國科學(xué)院的科技和人才資源，已經(jīng)連續(xù)七年獲得國際中文、英文語音合成的冠軍，處于領(lǐng)先地位。

3.2 漢語語音合成引擎

漢語語音合成引擎本質(zhì)上是一個人工智能系統(tǒng)。最初的漢語語音合成系統(tǒng)基本上借鑒了起步早且發(fā)展比較成熟的英語語音合成系統(tǒng)，但由于漢語自身的特點，系統(tǒng)會有些不同，如增加了分詞模塊等。典型的采用拼接合成技術(shù)的漢語語音合成引擎對要合成文本的處理流程如圖1所示，具體過程為：

1） 文本分析：由于漢語不像英語可以用標(biāo)點符號或者空格符等作為單詞的劃分依據(jù)，從句子中提取多個單詞，因而需要制定好的文本分析規(guī)則，以便經(jīng)過合成的語音在詞和詞之間能有適當(dāng)?shù)耐ｎD，從而模仿人在朗讀文章時的效果。

2） 韻律控制：為了使合成的語音具有較好的自然度，需要根據(jù)日常生活的習(xí)慣對發(fā)音的韻律進行分析、處理，從而生成自然度比較高的帶韻律的發(fā)音序列，修飾原始的語音。

3） 語音合成：按照對應(yīng)的拼接合成算法將不同的發(fā)音序列進行合成，生成語音數(shù)據(jù)并交給發(fā)音設(shè)備。

參考文獻：

[1] eSpeak： a compact open source software speech synthesizer for English and other languages， for Linux and Windows. http：//espeak.sourceforge.net/index.html. 2012.09.8.

[2] 安徽科大訊飛信息科技股份有限公司. http：//www.iflytek.com/.2012.10.1.

[3] 馬躍. Android的架構(gòu)與應(yīng)用[D]. 北京：中國地質(zhì)大學(xué)，2008.

[4] Chris Haseman. Android Essentials[M]. Apress， 2008.07.