Festival：Linux TTS入門及Demo

翻譯：Derry / 2010-7-27

原文：http://www.xenocafe.com/tutorials/php/festival_text_to_speech/index.php

 

前提條件
基於*nix的操作系統
Festival for Linux
PHP 3 or higher
LAME Ain't an MP3 Encoder (optional)

下載源碼: festival-tts.tar.gz

 

內容
介紹
使用yum安裝Festival RPM
嘗試Festival Text-To-Speech功能
使用text2wave將TTS語音保存到磁盤
安裝LAME MP3編碼器
將WAV-RIFF音頻文件轉換爲MP3格式
爲Festival構建PHP前端（text2wave）
PHP TTS演示程序
結論

介紹

本教程將向你展示在Linux下如何使用Festival程序實現“文本-語音（TTS）”合成。Festival是類Unix系統下免費的軟件框架，它能夠將純文本轉換爲聽得見的語音輸出。可以確信我們幾乎都見到過微軟Merlin字符（也稱爲Microsoft Agent），它是微軟Office及其他產品的成員之一。我不能確信那就是Merlin字符首次登場的地方，但我可以肯定的是，它的確可以用來當作Office助手。MS代理使用語音合成技術爲本地應用提供更好的交互。我個人感覺這沒啥用，但的確有人喜歡它（Clippy比我更喜歡，但卻沒說一句話）。Linux下能夠使用Fesitval實現TTS。本文選擇的Linux系統是CentOS 4.2，但如果可以編譯Festival或者通過RPM加載（或者其他方式），任何類Unix操作系統都是可用的。在本教程裏，我將向你展示如下主題：使用yum安裝Festival，創建HTML表單來接收用戶輸入，同時使用PHP處理過程將輸入文本使用text2wave程序轉換爲聲音，也可以使用 LAME 把默認的WAV-RIFF文件轉換爲MP3來壓縮文件大小。實際上使用tts能夠實現的功能要比我這裏介紹的多的多， 所以到實踐中去學習，冒險多嘗試來創建更多有趣的Linux TTS應用吧(也許可以做個通過cron調用的語音提醒腳本？)。

使用yum安裝Festival RPM

本教程中安裝的是RPM版而非源碼格式的Festival，如果你願意通過源碼安裝，也可以在這兒下載. 採用源碼安裝是更好的選擇，原因在於Festival已經發布了1.95(2.0beta)版，而CentOS 4.x RPM的festival-1.4.2-25.i386.rpm版本是1.4.2. 我沒試過源碼安裝，所以只能推測它優化了tts合成引擎，但就本教程來講，RPM版的已經足夠了。如果你不確定電腦上是否安裝了Festival，可以使用which或者rpm命令來驗證一下。

which festival

可以看到，沒有找到任何Festival信息。這基本上意味着你沒有安裝，但如果你想嘗試rpm，那麼試試這個命令：

rpm -qa | grep -i festival

如果Festival RPM沒有顯示，那說明你沒安裝。沒問題，這裏正好用到yum，現在我們就使用yum安裝Festival：

yum install festival

yum將會與CentOS文檔庫通信，解析Festival和你操作系統上可能的依賴項，並提示你下載安裝Festival RPM。輸入 y 表示同意並按回車。Festival RPM有18M，所以在下載的時候你可能會想站起來伸個懶腰啥的。一旦下載完成，無須手動安裝，yum會幫你幹這個事兒。好了，完成Festival安裝後，下一步我們將使用它，讓計算機說話。

嘗試Festival Text-To-Speech功能

我們來通過幾個例子來看看怎麼使用Festival。你最好看看Festival用戶手冊頁面來獲取更多的可選項和使用方法。基本上，你只管使用--tts選項傳遞一個文本字符串給Festival，它就能把文本合成爲語音了。同樣也可以使用文本文件或者腳本來完成更加動態的音頻輸出。

例1: 美麗的一天消息(echo 文本)

echo "It's such a beautiful day! Why are you in front of the computer?" | festival --tts

例 2: 今天是幾號？ (編程輸出)

date '+%A, %B %e, %Y' | festival --tts

例 3: 隨機日期 (PHP shell 腳本)

./rand.php | festival --tts

#!/usr/bin/php -q
<?php
// seed srand
srand((double)microtime()*1000000);
// what is the random number?
echo "The random number for the day is " . rand(1,25);
?>

可以看到，給Festival發送文本是有很多種方式的。如果你花時間看了Festival 用戶手冊頁面 ，也許會注意到並沒有保存音頻輸出爲文件的選項。你將不能像把文本導出文件一樣把音頻輸出也導出文件，那該怎麼辦呢？在Festival包中有個程序叫做text2wave，它能夠把音頻以WAV格式保存爲磁盤文件。

使用text2wave將Text-To-Speech音頻保存到磁盤

text2wave讀取文本文件內容，將之轉換爲音頻語音，並保存爲ulaw，snd， aiff， riff， 或 nist 格式的音頻文件。 text2wave的默認音頻格式爲riff（或WAV，在Windows上很常見）。通過查看text2wave幫助（text2wave --help）可以看到相對Festival來說，它的選項就少多了，但至少你可以以echo，程序或者shell腳本來向它傳送文本。其中一個有用的選項是 -scale 用來做音量調節。默認的語音音量有些低，所以需要使用一個浮點值來提升它（50就足夠了）。

還是用上面那個例子，這裏爲每個例子創建一個WAV文件：

echo "It's such a beautiful day! Why are you in front of the computer?" | text2wave -scale 50 -o beautiful_day.wav

date '+%A, %B %e, %Y' | text2wave -scale 50 -o date.wav

./rand.php | text2wave -scale 50 -o rand.wav

如果輸入的文本過大，那麼輸出的WAV文件也會很大。可以嘗試使用其他text2wave支持的音頻格式或者使用LAME把WAV壓縮轉換爲MP3。下面我們就安裝LAME MP3 編碼器。

安裝LAME MP3編碼器

在安裝LAME之前要確保你係統上已經安裝了gcc等開發工具。如果沒安裝這些工具和一些依賴項，也可以使用yum(yum install gcc)來安裝。也可能有些軟件包沒有列出來，你也要逐個找出來。Lame 3.97beta2 是以源碼形式提供的。(從sourceforge獲取)，也有RPM包可用，但本文我們將編譯源碼創建二進制文件。確認你一root用戶登錄並定位置home目錄，使用wget下載源碼包，解壓gzip壓縮後的tar包，cd到解壓後的lame-2.97目錄，運行configure腳本，make，然後安裝二進制文件。

su -
[enter root password]
cd ~
wget http://easynews.dl.sourceforge.net/sourceforge/lame/lame-3.97b2.tar.gz
tar zxvf lame-3.97b2.tar.gz
cd lame-3.97
./configure --prefix=/usr
make
make install

如果編譯沒有問題，從命令行運行LAME (lame)會有如下提示：

使用LAME我們可以把大個頭的WAV文件轉換爲體積更小巧的MP3版本。

將WAV-RIFF音頻文件轉換爲MP3格式

使用LAME相當簡易。你需要做的只是把WAV文件名傳給它，設置一個MP3輸出的文件名就行了。這兒我就不多介紹LAME的選項了，想看的話可以查看其手冊（man lame）。現在我們把前面三個例子生成的文件轉換爲MP3格式：

lame beautiful_day.wav beautiful_day.mp3
lame date.wav date.mp3
lame rand.wav rand.mp3

現在我們來比較一下WAV和MP3版本，文件大小差異很大，MP3的確是更好的選擇。

cd ~
ls -la *.wav
ls -la *.mp3

爲了強調一下迄今爲止我們所學的內容，這裏將創建一個PHP前端，這樣的話你就可以在瀏覽器上創建tts文件了。

爲Festival構建PHP前端(text2wave)

我們將通過創建HTML表單的方式來構建PHP前端處理tts。這個表單包括一個textarea（用來保存轉換語音的文本），文本輸入框（調節音量值）以及一個複選框（用來標識是否把WAV格式轉換爲MP3文件）。我在裏面加了很多註釋說明每塊代碼的用途，所以這兒就不再贅述了。你只需知道在文本框裏輸入一些文字，調整音量設置，然後選擇是否轉換爲MP3就行了。一旦你點擊了Text-To-Speech按鈕，表單將回發到服務器，表單上的數據將會被捕獲和處理。表單文本會被寫入到一個臨時文件，輸入到 text2wave 來轉換，text2wave會被PHP的exec函數調用。如果MP3選項被選中，第二個 exec 被調用，使用LAME完成WAV至MP3的轉換。當頁面重新加載後，在提交按鈕旁邊多出一個連接到音頻文件的超鏈接。可以點擊播放，或者右鍵單擊選擇“目標另存爲”來下載這個文件。

<?php
// define the temporary directory
// and where audio files will be written to after conversion
$tmpdir = "/tmp";
$audiodir = "/change/to/your/path";

// if the Text-To-Speech button was click, process the data
if (isset($_POST["make_audio"])) {
  $speech = stripslashes(trim($_POST["speech"]));
  $speech = substr($speech, 0, 1024);
  $volume_scale = intval($_POST["volume_scale"]);
  if ($volume_scale <= 0) { $volume_scale = 1; }
  if ($volume_scale > 100) { $volume_scale = 100; }
  if (intval($_POST["save_mp3"]) == 1) { $save_mp3 = true; }

  // continue only if some text was entered for conversion
  if ($speech != "") {
    // current date (year, month, day, hours, mins, secs)
    $currentdate = date("ymdhis",time());
    // get micro seconds (discard seconds)
    list($usecs,$secs) = microtime();
    // unique file name
    $filename = "{$currentdate}{$usecs}";
    // other file names
    $speech_file = "{$tmpdir}/{$filename}";
    $wave_file = "{$audiodir}/{$filename}.wav";
    $mp3_file  = "{$audiodir}/{$filename}.mp3";

    // open the temp file for writing
    $fh = fopen($speech_file, "w+");
    if ($fh) {
      fwrite($fh, $speech);
      fclose($fh);
    }

    // if the speech file exists, use text2wave
    if (file_exists($speech_file)) {
      // create the text2wave command and execute it
      $text2wave_cmd = sprintf("text2wave -o %s -scale %d %s",$wave_file,$volume_scale,$speech_file);
      exec($text2wave_cmd);

      // create an MP3 version?
      if ($save_mp3) {
        // create the lame command and execute it
        $lame_cmd = sprintf("lame %s %s",$wave_file,$mp3_file);
        exec($lame_cmd);
        // delete the WAV file to conserve space
        unlink($wave_file);
      }
      
      // delete the temp speech file
      unlink($speech_file);

      // which file name and type to use? WAV or MP3
      $listen_file = (($save_mp3 == true) ? basename($mp3_file) : basename($wave_file));
      $file_type = (($save_mp3 == true) ? "MP3" : "WAV");

      // show audio file link
      $show_audio = true;
    }
  }
} else {
  // default values
  $speech = "Hello there!";
  $volume_scale = 50;
  $save_mp3 = true;
}
?>
<html>
<head>
<title>Festival: Linux Text-To-Speech Demo</title>
<style type="text/css">
<!--
body { background-color:#ffffff; font-family:Arial, Helvetica, sans-serif; font-size:10pt; color: #000000; }
h1 { font-family:Arial, Helvetica, sans-serif; font-size:18pt; color: #000000; }
.tblfont { font-family:Arial, Helvetica, sans-serif; font-size:10pt; color: #000000; }
-->
</style>
</head>
<body>
<h1>Linux Festival Text-To-Speech Demo</h1>
<form method="post" action="<?php echo $_SERVER['PHP_SELF']; ?>">
  <table width="400" border="0" cellspacing="5" cellpadding="0" class="tblfont">
    <tr> 
      <td colspan="2"><textarea name="speech" wrap="VIRTUAL" style="width:350px;height:100px;"><?php echo $speech; ?></textarea></td>
    </tr>
    <tr> 
      <td width="135">Volume Scale 
        <input name="volume_scale" type="text" size="3" maxlength="3" value="<?php echo $volume_scale; ?>"> 
      </td>
      <td width="265">Save as MP3 
        <input name="save_mp3" type="checkbox" value="1"<?php if ($save_mp3 == 1) { echo " checked"; } ?>> 
      </td>
    </tr>
    <tr> 
      <td><input name="make_audio" type="submit" value="Text-To-Speech"></td>
      <td> 
        <?php if ($show_audio) { ?>
        <a href="audio/<?php echo $listen_file; ?>">Listen to the <?php echo $file_type; ?> file</a> 
        <?php } ?>
      </td>
    </tr>
  </table>
</form>
</body>
</html>

 

結論

就這些了，現在你有了在linux上使用Festival創建tts音頻文件的工具。使用tts合成技術你可以創造各種各樣的應用程序，例如提醒服務（通過向電話或Email發送音頻流）。Festival是個偉大的工具，但是有時候也會很難聽清楚語音的意思。對於某些特定的詞語它處理起來是有些問題，這對於商業應用來講顯得不是那麼完美。再來看看 AT&T 實驗室自然語音 Text-to-Speech 引擎 ，試試它們的 demo咋樣，它擁有商業級品質，聽起來真的很不錯，唯一不同的地方就是它是收費的。