图1 文本语音音像合成系统整体结构
第五章 电子学，信息技术和电信行业
5.8依据文本对言语进行音像合成的«MULTIFON»系统
项目负责单位、联系人
白俄罗斯斯国家科学院信息学问题联合研究所
220012，明斯克市，苏尔加诺夫大街，6号
项目简介
MULTIFON是一套具有高科技附加值的软件产品，在软件中实现了对任意文本的人工语音建模。站在MULTIFON使用者 的角度，这是一项从计算机进行信息语音输出的新方法，在个别情况下可以替代显示器前的可视化输出。计算机用户利用MULTIFON目前在用声音获得部分信 息的同时，可以减轻视觉疲劳。用户可以在远端或利用备用的电话接口传递和获取语音信息。对于盲人来讲MULTIFON是一套无与伦比的信息传递工具，可以 建立一套卓越的语音计算机操作系统。
项目描述
文本语音音像合成系统公共结构见图1。输出的正字法文本依次经过变换等几个过程：文本、语音、韵律学、声学和可视化等。
文本处理器用于转换输入的正字法文本。处理器执行下列任务：
-从句子上进行文本划分；
-转换数词、缩写词和缩略语等；
-依据韵律结构段划分句子；
-分配强弱重音；
-依据重音律划分结构段；
-结构段语调类型的划分；
韵律标注文本进入语音处理器，语音处理器会执行下列任务：
-转换正字法文本到音位列；
-转换音位列到音位变体列；
形成的音位变体列由两个处理器的入口进入：韵律处理器和可视化处理器。
韵律执行下列任务：
-将重音律单位划分为重音律单位要素：前中心、中心和后中心；
-划分重音单位：
-依据重音律单位的特点明确语音主调型(F0)，幅度(A)音位变体长度(T)；
声学处理器利用来自于语音和韵律处理器的信息执行下列任务：
-音位变体声波和MULTIFON声波韵律的参数变形；
-依据相应的连续列将音位变体和MULTIFON声波连接；
可视化处理器利用进入语音处理器的信息遴选所需并将其连接。
技术类型
经济技术优势
-高清晰合成语音；
-在依据文本合成语音时自动发音；
-文本朗读自然，富有表现力；
-高品质的2位男声和2位女声合成；
-克隆复制个性化语音和朗读习惯；
-可以补充新发音声音和语调形式；
-双语语音合成。俄语和白俄罗斯语；
-可以添加新语言；
-可视化语音表情-“讲话图标”
-个性化“讲话图标”
-系统可作为采用SAPI 5.1.标准的外置附件
系统要求：
-Windows系列操作系统;
- 处理器: Intel Pentium 233 兆赫 (最低);
- 内存/RAM: 32M(最低);
- 硬盘空间: 64М (最低)。
项目创新点
-电话互联网服务：阅读电子邮件和其它服务；
-电话问询系统-“响铃中心”；
-移动电话（语音短信）；
-自动信息化电话系统；
-语音协助解决自动化设计系统问题；
-公路客运站、火车站和飞机场的语音播报系统；
-编辑图像时的语音提示；
-指导硬件安装和调试的步进式语音功能；
-朗读电子书；
-表格和文本助听检测；
-语音广告片段；
-计算机教授语言和对话系统；
-盲人使用的语音计算机；
-建立非法用户语音克隆数据库；
-语音个性化识别；
-制作电影和音像制品时的语音模拟；
-个性化通知系统；
-远程虚拟教师语音授课；
-智能虚拟聊天伙伴。
推介该技术的领域
TIBO’2006, TIBO’2007, TIBO’2008，第13，14，15届电讯、信息和银行技术、安全系统国际专业展览会。
例行参加白俄罗斯国家科学院的各类展览会。
关键词
语音，声音，语音接口，语音合成，声音播报
项目目前所处阶段
知识产权资格
技术应用领域
计算机和电讯系统
IRC欧洲创新驿站分类信息
技术适用地区
实践经验
文本语音合成分系统包括下列软件组成：
-文本文件语音发声和自动化摘要系统；
-盲人和弱视用户电子书阅读专用系统“电子有声图书馆”；
-在手机上建立和倾听有声书系统，向用户提供语音接口的机票预订系统；
文本语音音像合成分系统利用了多模态信息平台，借助图像、声音和文本信道实现了人机的自然对话。
对周围环境的影响
对环境无害
合作形式
转让技术的限制和条件
参照相关协议和许可证
转让技术时提供的支持