基于鼎銘可編程交換機(jī)的大型分布式TTS系統(tǒng)
2006/02/07
一、TTS簡介
TTS文語轉(zhuǎn)換用途很廣，包括電子郵件的閱讀、IVR系統(tǒng)的語音提示等等，目前IVR系統(tǒng)已廣泛應(yīng)用于各個(gè)行業(yè)（如電信、交通運(yùn)輸?shù)龋?br>
TTS所用的關(guān)鍵技術(shù)就是語音合成(Speech Synthesis)。早期的TTS一般采用專用的芯片實(shí)現(xiàn)， 如德州儀器公司的TMS50C10/TMS50C57、飛利浦的PH84H36等，但主要用在家用電器或兒童玩具中。
而基于微機(jī)應(yīng)用的TTS一般用純軟件實(shí)現(xiàn)，主要包括以下幾部分：
- 文本分析 - 對輸入文本進(jìn)行語言學(xué)分析，逐句進(jìn)行詞匯的、語法的和語義的分析，以確定句子的低層結(jié)構(gòu)和每個(gè)字的音素的組成，包括文本的斷句、字詞切分、多音字的處理、數(shù)字的處理、縮略語的處理等。
- 語音合成 - 把處理好的文本所對應(yīng)的單字或短語從語音合成庫中提取，把語言學(xué)描述轉(zhuǎn)化成言語波形。
- 韻律處理 - 合成音質(zhì)(Quality of Synthetic Speech)是指語音合成系統(tǒng)所輸出的語音的質(zhì)量，一般從清晰度(或可懂度)、自然度和連貫性等方面進(jìn)行主觀評價(jià)。清晰度是正確聽辨有意義詞語的百分率；自然度用來評價(jià)合成語音音質(zhì)是否接近人說話的聲音，合成詞語的語調(diào)是否自然；
連貫性用來評價(jià)合成語句是否流暢。
TTS純軟件處理的流程如下：
在語音輸出階段，語音輸出的方式取決于具體的應(yīng)用。
要合成出高質(zhì)量的語音， 所采用的算法是極為復(fù)雜的，因此對機(jī)器的要求也非常高。算法的復(fù)雜度決定了目前微機(jī)并發(fā)進(jìn)行多通道TTS 的系統(tǒng)容量。
二、TTS在CTI 的應(yīng)用中的基本構(gòu)架
在一般的CTI應(yīng)用系統(tǒng)中，都會(huì)有IVR（交互式語音應(yīng)答系統(tǒng)）。IVR系統(tǒng)是呼叫中心的重要組成部分，通過IVR系統(tǒng)，用戶可以利用音頻按健電話輸入信息，從系統(tǒng)中獲得預(yù)先錄制的數(shù)字或合成語音信息。具有TTS功能的IVR可以加快服務(wù)速度，節(jié)約服務(wù)成本，使IVR為呼叫者提供7*24小時(shí)的服務(wù)。
目前常見的IVR系統(tǒng)大都是通用的工控機(jī)平臺(tái)上插入語音板卡組成，并支持中文語音合成TTS等技術(shù)。
基本構(gòu)成如下圖所示：
一個(gè)典型的包含ＴＴＳ服務(wù)的電話服務(wù)流程可分為：
- 用戶電話撥入，系統(tǒng)ＩＶＲ響應(yīng)，獲得用戶按鍵等信息。
- ＩＶＲ根據(jù)用戶的按鍵信息，向數(shù)據(jù)庫服務(wù)器申請相關(guān)數(shù)據(jù)。
- 數(shù)據(jù)庫服務(wù)器返回文本數(shù)據(jù)給ＩＶＲ。
- ＩＶＲ通過其ＴＣＰ通訊接口，將需要合成的文本信息發(fā)送給ＴＴＳ服務(wù)器。
- ＴＴＳ服務(wù)器將用戶文本合成的語音數(shù)據(jù)分段通過ＴＣＰ通訊接口發(fā)送給ＩＶＲ服務(wù)器。
- ＩＶＲ服務(wù)器把分段語音數(shù)據(jù)組裝成為獨(dú)立的語音文件。
- ＩＶＲ播放相應(yīng)的語音文件給電話用戶。
一般的公網(wǎng)接入（IVR）大都采用工控機(jī)+語音板卡，而合成的語音數(shù)據(jù)則通過局域網(wǎng)傳給IVR。這種結(jié)構(gòu)只適用于簡單的應(yīng)用場合。
如果用這種方式去組建較大的系統(tǒng)，則會(huì)存在諸多問題：
1、兩個(gè)瓶頸
（1）接入瓶頸：
單臺(tái)工控機(jī)的接入容量一般不超過8E1為宜。除了運(yùn)行應(yīng)用程序外，它還要控制兩個(gè)實(shí)時(shí)端口：實(shí)時(shí)地通過局域網(wǎng)接收語音數(shù)據(jù)，并要實(shí)時(shí)地將接收到的語音數(shù)據(jù)通過PCI（或ISA）總線傳遞給語音板卡，如下圖所示。
通過局域網(wǎng)傳遞語音數(shù)據(jù)本來就不能保證其時(shí)實(shí)時(shí)性，其結(jié)果就是用戶聽到的語音經(jīng)常斷續(xù)，保證不了語音質(zhì)量。如果傳遞的語音數(shù)據(jù)是經(jīng)過壓縮的，語音數(shù)據(jù)本來就是通過TTS進(jìn)行合成的，再經(jīng)過壓縮，則音質(zhì)會(huì)有很大的損傷，因此同樣保證不了語音質(zhì)量。從上圖中我們可以看到，經(jīng)TTS合成的語音數(shù)據(jù)從局域網(wǎng)經(jīng)過網(wǎng)卡，再通過主板PCI（或ISA）總線進(jìn)入語音卡，最后進(jìn)入電信網(wǎng)，同樣語音數(shù)據(jù)通過計(jì)算機(jī)主板經(jīng)PCI（或ISA）總線進(jìn)入語音卡也要求是實(shí)時(shí)的。這兩種實(shí)時(shí)性的要求會(huì)導(dǎo)致在接入量比較大的情況下，會(huì)給計(jì)算機(jī)的總線造成很大的負(fù)擔(dān)。因?yàn)榭偩�的帶寬（數(shù)據(jù)吞吐量）是有限的。況且其它的板卡和接口（如聲卡、顯示卡等）也要直接或間接地占用總線。因此在接入量比較大的情況下，計(jì)算機(jī)的總線帶寬會(huì)成為一個(gè)比較關(guān)鍵的瓶頸。即便提高語音板卡的接入能力。在有大量電話接入的情況下，由于語音數(shù)據(jù)實(shí)時(shí)性的要求，也不能保證語音質(zhì)量。
（2）I/O插槽和語音板卡容量的限制：
目前計(jì)算機(jī)的I/O插槽，特別是PCI插槽有限，不可能插入大量的語音板卡，再加上語音板卡的容量不會(huì)太高，因此單臺(tái)計(jì)算機(jī)的接入能力相對較小。要組建比較大的系統(tǒng)，就必須采用多臺(tái)計(jì)算機(jī)接入，這就必然會(huì)引入機(jī)間交換的問題。用語音板卡和多臺(tái)機(jī)器構(gòu)建大中型CTI系統(tǒng)時(shí)，機(jī)器間要通過電纜連接才能使系統(tǒng)同步運(yùn)行，但交換用的時(shí)鐘同步信號(hào)和數(shù)據(jù)信號(hào)的頻率很高，極易受到外界干擾，造成系統(tǒng)的不穩(wěn)定。
2、系統(tǒng)復(fù)雜度的限制
基于語音板卡構(gòu)建較大規(guī)模的應(yīng)用系統(tǒng)時(shí)，除了系統(tǒng)穩(wěn)定性的因素外，還要考慮系統(tǒng)的復(fù)雜度。對一個(gè)應(yīng)用系統(tǒng)來說，除上面提到的因素外，復(fù)雜度本身就是影響系統(tǒng)穩(wěn)定性的要素之一。除此之外，系統(tǒng)復(fù)雜度的增加，會(huì)使系統(tǒng)的靈活性和可維性降低，從而導(dǎo)致系統(tǒng)未來維護(hù)、升級的成本和難度大大增加。
3、開發(fā)成本的考慮
很大一部分系統(tǒng)集成商，對硬件設(shè)備的一次購入成本考慮地較多，而開發(fā)方面的成本往往容易忽略。隨著人力成本的日益凸顯，使得一個(gè)應(yīng)用系統(tǒng)的開發(fā)成本越來越不容忽視。系統(tǒng)的開發(fā)如同搭積木，系統(tǒng)規(guī)模較小，用小積木搭建會(huì)更經(jīng)濟(jì)一些。而用小積木構(gòu)建大系統(tǒng)會(huì)使積木塊的數(shù)量增加，而這些積木塊又要協(xié)同工作，因而對開發(fā)人員能力和經(jīng)驗(yàn)的要求會(huì)增加，同時(shí)系統(tǒng)開發(fā)周期也會(huì)加長，而系統(tǒng)的維護(hù)難度也隨之增加。這些因素都會(huì)導(dǎo)致在一個(gè)系統(tǒng)的生命周期內(nèi)，其綜合運(yùn)行成本的增加。
三、鼎銘基于分布式構(gòu)架的可編程交換機(jī)在大容量TTS中的應(yīng)用
深圳鼎銘電子技術(shù)有限公司推出的基于分布式構(gòu)架的具有高速數(shù)據(jù)傳輸性能的可編程交換機(jī)，給CTI應(yīng)用帶來了革命性的變化，獨(dú)有的分布式傳輸構(gòu)架使其交換機(jī)的整體性能和目前國內(nèi)外同類可編程交換機(jī)比較，有了根本上的超越。
鼎銘高速數(shù)據(jù)傳輸板置于其可編程交換機(jī)內(nèi)，外部可以和多臺(tái)PC或工控機(jī)相連，因?yàn)榭删幊探粨Q機(jī)可以級聯(lián)，所以可以和外部連接的PC或工控機(jī)理論上沒有特別限制。這樣可編程交換機(jī)的內(nèi)部I/O總線（類比于PC機(jī)的PCI或ISA總線）就不再傳輸實(shí)時(shí)數(shù)據(jù)（如語音數(shù)據(jù)），而只負(fù)責(zé)非實(shí)時(shí)性的管理和信令數(shù)據(jù)，語音或其它實(shí)時(shí)數(shù)據(jù)從外部PC直接傳入可編程交換機(jī)的高速數(shù)據(jù)傳輸板，然后通過交換直接進(jìn)入外部公共電信網(wǎng)（PSTN）。
而對于需要錄音的語音或其它實(shí)時(shí)數(shù)據(jù)則從外部公共電信網(wǎng)（PSTN）通過可編程交換機(jī)內(nèi)部的交換直接進(jìn)入高速數(shù)據(jù)傳輸板，再輸出到外部PC或工控機(jī)。這就解決了上面提到的實(shí)時(shí)語音數(shù)據(jù)的傳輸瓶頸問題。而可編程交換機(jī)本身的優(yōu)勢就在于它的高密度接入，對可編程交換機(jī)而言就不存在接入瓶頸問題。
除了解決上述兩個(gè)瓶頸問題，我們再來看看這種結(jié)構(gòu)的交換機(jī)帶來的其它優(yōu)勢：
首先，在解決實(shí)時(shí)數(shù)據(jù)瓶頸問題的同時(shí)，因?yàn)閷?shí)時(shí)數(shù)據(jù)不再通過內(nèi)部的I/O總線，從而減輕了I/O總線負(fù)擔(dān)，同時(shí)CPU的負(fù)擔(dān)也大大減輕了，而和高速數(shù)據(jù)板連接的外部PC所運(yùn)行的應(yīng)用程序也單一化了（如錄音/放音、TTS、ASR
等），而且具有了很強(qiáng)的可復(fù)制性。從而使基于可編程交換機(jī)構(gòu)建的應(yīng)用系統(tǒng)的復(fù)雜度大大降低，穩(wěn)定性和可靠性大大提高，從而在很大程度地降低了系統(tǒng)的開發(fā)成本和運(yùn)行維護(hù)成本。另外，可編程交換機(jī)的專有電源系統(tǒng)也使系統(tǒng)穩(wěn)定性和可靠性大大加強(qiáng)。
另外，鼎銘可編程交換機(jī)的這種構(gòu)架，使整個(gè)交換機(jī)平臺(tái)具備了很強(qiáng)的開放性，捆綁獨(dú)立的第三方產(chǎn)品（如TTS、ASR等）非常方便，第三方產(chǎn)品只須改向一下輸出管道就可以了，產(chǎn)品本身無需作任何改動(dòng)，因此更好地實(shí)現(xiàn)了第三方產(chǎn)品的價(jià)值。同時(shí)，又降低了最終客戶的系統(tǒng)構(gòu)建成本。
正是因?yàn)槎︺懣删幊探粨Q機(jī)從技術(shù)上突破了高速實(shí)時(shí)數(shù)據(jù)傳輸?shù)钠款i問題，真正意義上實(shí)現(xiàn)了分布式的客戶機(jī)/服務(wù)器體系結(jié)構(gòu)，所以也特別適合構(gòu)建大容量的彩話系統(tǒng)、彩鈴系統(tǒng)、電話QQ等電信增值系統(tǒng)，以及大容量的錄放音系統(tǒng)、TTS、ASR等應(yīng)用系統(tǒng)。
下圖示意了基于鼎銘可編程交換機(jī)構(gòu)建的大容量TTS IVR系統(tǒng)。ＴＴＳ服務(wù)的電話服務(wù)流程變?yōu)椋?br>
- 用戶電話撥入，接入系統(tǒng)（ＩＶＲ）響應(yīng)，獲得用戶按鍵等信息。
- ＩＶＲ根據(jù)用戶的按鍵信息，向數(shù)據(jù)庫服務(wù)器申請相關(guān)數(shù)據(jù)。
- 數(shù)據(jù)庫服務(wù)器返回文本數(shù)據(jù)給ＩＶＲ。
- ＩＶＲ通過局域網(wǎng)，將需要合成的文本信息發(fā)送給ＴＴＳ服務(wù)器。
- ＴＴＳ服務(wù)器將用戶文本合成的語音數(shù)據(jù)直接輸出到可編程交換機(jī)的高速數(shù)據(jù)傳輸板。
- 高速數(shù)據(jù)傳輸板再將語音數(shù)據(jù)變成串行數(shù)據(jù)輸出到交換總線（無需CPU干預(yù)）。
- 交換總線的語音數(shù)據(jù)通過接入端口進(jìn)入公用電話網(wǎng)或公用數(shù)據(jù)網(wǎng)，電話用戶聽取相關(guān)語音。
深圳鼎銘電子公司
相關(guān)鏈接: