语音合成技术-语音合成模仿别人声音

"00cm00cm224pt"众所周知，周界防范报警系统是安防系统中的第一道防线，也是最重要的一道防线。当犯罪分子穿越周界防范报警系统时，前端探测器发出报警信号并传送给系统控制中心，系统控制中心处理后发出处理指令。包括启动警号、警灯提示、电子地图防区灯闪烁提示报警防区，再联动监控系统，监控系统报警图像跳出以及启动录像，最后将报警提示信息通过TTS芯片特有的语音播报功能清晰准确的播报出来。

"00cm00cm224pt"此前，周界防范中位于最前端的探测器主要还是红外对射探测器。但红外探测器有其致命的缺点，那就是受环境干扰导致误报的概率很大，致使一些场所的红外报警系统形同虚设。近年来某些厂商又开发了振动电缆、泄漏电缆、张力式围栏等，但都由于技术性能不是十分成熟而致推广缓慢。随着人们对生活质量要求的不断提高，安全问题显得尤为重要。虽然目前公检部门一直再努力提高城市的安全防范等级，但仍不能避免一些盗窃事件及严重犯罪事件的偶有发生。因此，基于语音合成技术的高压电子围栏应运而生。如下图所示：

"00cm00cm"

"00cm00cm00pt"

"00cm00cm00pt"系统工作原理：该系统主要由电子围栏脉冲主机和前端围栏、语音合成播报器三大部分组成。脉冲主机主要安装在门卫室或控制中心，前端围栏安装在墙上。脉冲主机通电后发射端产生高压脉冲或低压脉冲传到前端围栏上，前端围栏上形成回路后把脉冲回传到脉冲主机的接收端，如果有人入侵或破坏前端围栏，或切断供电电源，脉冲主机会发出报警并把报警信号传给其他的安防设备。同时，通过给TTS芯片发送报警提示音并通过语音合成播报器播报出来，以保证管理人员能及时了解报警区域的情况，快速的作出处理。

"00cm00cm00pt"该系统的主要功能

"00cm00cm00pt"1、具有完整、明确分界的高压脉冲电子围栏、静电感应围栏、具有强大的阻挡作用和威慑作用。避免其实施犯罪行为，同时能避免人员企图通过翻越围栏。

"00cm00cm00pt"2、具有误报率极低的智能报警功能。

"00cm00cm00pt"3、防范严密无死角，可以依据地形任意架设，没有死角，消除安全盲点。

"00cm00cm00pt"4、误报率低，能有效防止小动物、树枝、恶劣天气等造成的误报。

"00cm00cm00pt"5、文本转语音播报功能，电子围栏装有文本转语音播报器，也是不可或缺的一部分，它是利用语音合成技术研发的嵌入语音合成芯片，如宇音天下的中文语音合成芯片，接收到电子围栏主机发送的报警提示音后自动合成语音播报出来，及时的提醒我们采取措施减少危害。

"00cm00cm00pt"6、能与安防、IT系统联网可以与监控联动，当自动通过语音合成报警时，摄像机转向相应位置开始录像；也能很好的融入IT系统。

"00cm00cm225pt"基于语音合成技术的高压电子围栏应运而生以其独特的性能，被广泛应用于变电站、电厂、水厂、工厂、工业重地、工矿企业、物资仓库、住宅小区、别墅区、学校、机场、水产养殖及畜牧场所、政府机构、重点文物场所、军事设施、监狱、看守所等有围墙及需要围墙的场所。是未来安防、智能家居领域的一大亮点。

第5章音频素材制作与处理

本章主要学习音频相关的基础知识，包括模拟音频与数字音频的概念和各自的特点数字音频所具有的优势模拟音频转换为数字音频的过程和技术指标常用的数字音频文件格式语音合成技术与识别技术的基本原理。本章需要在实验环节掌握20音频处理软件的基本操作，主要包括录音、编辑和效果处理三个方面。

amp学习指导

1、模拟音频声音是振动的波，是随时间连续变化的物理量。因此，自然界的声音信号是连续的模拟信号，即模拟音频信号。

声波与普通波形一样，可以用三个物理量来描述振幅、周期和频率。

1振幅振幅是声音波形振动的幅度，表示声音的强弱。

2周期周期是声音波形完成一次全振动的时间。

3频率频率是声音波形在一秒钟内完成全振动的次数，表示声音的音调。

声音具有三个要素音调、音色和音强。

1音调音调代表声音的高低。与频率有关，频率越高，音调越高。

2音色音色是声音的特色。声音分纯音和复音两种类型。纯音的振幅和周期均为常数复音是具有不同频率和不同振幅的混合声音，是影响声音特色的主要因素。自然界的大部分声音是复音。在复音中，频率最低的声音是“基音”，是声音的基调。其他频率的声音是“谐音”。基音和谐音是构成声音音色的重要因素。人的声音、其它生物的声音以及自然界各种声响都具有自己独特的音色。人们往往是依据音色来辨别声源种类的。

3音强音强是声音的强度。音强与声波的振幅成正比，振幅越大，音强越大。

2、模拟音频的特点

1频率范围模拟音频信号由许多频率不同的信号组成，每个信号都有各自的频率范围，称为“频域”或“频带”。人耳可听到的声音频率在20Hz20KHz之间，称为“可听域”。频率高于20KHz的声音信号称为“超音频信号”，频率低于20Hz的声音信号称为“亚音信号”或者“次音信号”。多媒体技术所处理的声音信号主要是20Hz20KHz的音频信号，它包括音乐、语音及自然界的各种声响。

另外，不同种类的声源频带是不同的，例如人类语音频带在100Hz10KHz高级音响设备频带在20Hz20KHz而宽带音响设备的频带在10Hz40KHz。总之，频带越宽声音的表现力越好。

2模拟音频具有连续性。

3模拟音频抗干扰能力差模拟信号的一个重要的缺点就是噪声容限较低，抗干扰能力差，噪声是影响模拟音频录音质量的重要原因。音频信号幅度与噪声幅度的比值越大越好。音响放大器和扬声器等还原设备的质量能够直接影响重放的音质。音质与音色和频率范围有关。悦耳的音色、宽广的频率范围，能够获得更好的音质。

3、数字音频数字音频是以二进制的方式记录的音频，是模拟音频的数字化表达。

4、数字音频的优势相比模拟音频信号，数字音频信号具有很多优势。

1在声音存储方面。模拟音频记录在磁带或者唱片等模拟介质中。模拟介质难保存、易老化，造成音质下降。同时，磁带的存储效率很低，音频录制往往需要大量的磁带介质进行存储，成本很高。数字音频可以文件的形式存储在光存储介质或磁存储介质中，可以实现永久保存，并且存储成低。

2在声音处理方面。模拟音频录制难度高，需要尽量做到一次成功，后期处理难度大。数字音频技术在声音处理方面具有极大的优势，在后期的音频处理过程中，可以非常容易地进行多种修正以及加工。

3在声音的压缩方面。模拟音频的压缩率很难提高。数字音频的压缩优势明显。例如目前流行的MP3音频格式，压缩率达到10左右的同时还能保持良好的音质，利于在互联网上传播。

5、模拟音频数字音频转换模拟音频信号转换为数字音频信号的过程就是对于模拟音频信号的数字化过程。模拟音频信号的数字化过程与普通模拟信号数字化过程类似，需要三个步骤采样、量化和编码。

1采样采样就是每隔一定的时间间隔T，抽取模拟音频信号的一个瞬时幅度值样本，实现对模拟音频信号在时间上的离散化处理。

2量化量化就是将采样后的声音幅度划分成为多个幅度区间，将落入同一区间的采样样本量化为同一个值。量化实现了对模拟信号在幅度上的离散化处理。

3编码编码就是将采样和量化之后的音频信号转换为“1”和“0”代表的数字信号。

6、模数转换质量的技术指标影响模数转换后的数字音频信号质量的技术指标主要包括采样频率、采样精度、声道数和编码算法。

1采样频率。采样频率是对声音波形每秒钟进采样的次数。奈奎斯特理论指出采样频率不应低于模拟音频信号最高频率的两倍，这样才能将数字化的声音还原为原始声音。采样频率越高，声音失真越小，音频数据量越大。

2采样精度。采样精度表示对声音振幅的量化精度，即将声音波形的幅度划分为多少个幅度区间。8位量化表示，将声音波形的幅度划分为28个区间。

3声道数。声道数表示同一时间产生的声音波形数。如果每次生成一个声波数据，称为单声道每次生成二个声波数据，称为立体声。立体声表达的声音效果丰富，但存储空间会增加一倍。

4编码算法。编码算法的作用一方面是采用一定的格式来记录数据，二是采用一定的算法来压缩数据。压缩比是压缩编码的基本指标，表示压缩的程度，是压缩后的音频数据量与压缩前的音频数据量的比值。压缩程度越大，信息丢失越多、信号还原后失真越大。根据不同的应用，应该选用不同的压缩编码算法。

7、数字音频的存储空间模拟音频数字化过程中的采样频率和采样精度越高，结果越接近原始声音，但记录数字声音所需存储空间也随之增加。未经压缩的音频文件所需的存储空间的计算公式如下

存储容量字节采样频率×采样精度8×声道数×时间

8、数字音频文件格式数字化音频以文件的形式存储在计算机内。由于音频数字化过程中采用的技术指标不同，产生了不同的音频文件格式。常见的数字音频格式如下

1WAV格式。微软公司开发的一种声音文件格式，也叫波形声音文件，是最早的数字音频格式。

格式。也称作乐器数字接口，是数字音乐电子合成乐器的统一国际标准。文件中存储的是一些指令，由声卡按照指令将声音合成出来。

3CDA格式。CDA格式是CD音乐格式，取样频率为441kHz，16位量化位数，CDA格式记录的是波形流，是一种近似无损的格式。

4MP3格式。MP3格式是3，能够以高音质、低采样率对数字音频文件进行压缩。

5WMA格式。是微软公司开发的网络音频格式。

6MP4格式。采用了“知觉编码”压缩技术，加入了保护版权的编码技术。MP4的压缩比高于MP3，但音质却没有下降。

格式。苹果公司推出的一种数字流媒体。

格式。公司推出的一种文件格式，可以实时传输音频信息。文件格式主要有RA、RM、RMX三种，能够随着网络带宽的不同而调整声音的质量，在保证大多数人听到流畅声音的前提下，令带宽较宽的听众获得更好的音质。

9VOC格式。常用在DOS程序和游戏中，是随声卡一起产生的数字声音文件。

10AU格式。应用于互联网上的多媒体声音，是操作系统下的数字声音文件。

11MAC格式。苹果公司开发的声音文件格式，广泛应用与平台软件。

12AAC格式。是2规范的一部分。压缩能力强、压缩质量高。可以在比MP3文件缩小30的前提下提供更好的音质。

9、语音合成语音合成是指利用计算机合成语音的一种技术，使计算机能够产生高清晰度、高自然度的连续语音，具有类似于人一样的说话的能力。

语音合成可以通过将预先录制并存储的语音信号重新播放来实现。也可以采用数字信号处理的方法，通过激励一个类似人们发声时声道谐振特性的时变数字滤波器，调整滤波器的相关参数，生成各种音调的语音。

语音合成可分为三个层次，分别是文字到语音、概念到语音、意向到语音。要合成出高质量的语言，必须遵循人类语言的表达规则，如语义学规则、词汇规则、语音学规则。

10、语音合成技术分类按照合成方法分类。分为参数合成法、基音同步叠加法和基于数据库的语音合成法。

1参数合成法。通过调整合成器参数实现语音合成。

2基音同步叠加法。通过对时域波形拼接实现语音合成。

3基于数据库的语音合成法。采用预先录制语音单元并保存在数据库中，再从数据库中选择并拼接出各种语音内容。

按照技术方式分类。分为波形编辑合成、参数分析合成以及规则合成。

1波形编辑合成。将语句、短语、词或音节作为合成单元。这些单元被分别录音后进行压缩编码，组成一个语音库。重放时，取出相应单元的波形数据，串接或编辑在一起，经解码还原出语音。这种合成方式也称为录音编辑合成。

2参数分析合成。以音节、半音节或音素为合成单元。按照语音理论，对所有合成单元的语音进行分析，提取有关语音参数，这些参数经编码后组成一个合成语音库输出时，根据待合成的语音的信息，从语音库中取出相应的合成参数，经编辑和连接，顺序送入语音合成器。在合成器中，通过合成参数的控制，将语音波形重新还原出来。

3规则合成。规则合成存储的是较小的语音单位，如音素、双音素、半音节或音节的声学参数，以及由音素组成音节、再由音节组成词或句子的各种规则。当输入字母符号时，合成系统利用规则自动地将它们转换成连续的语音波形。

11、文语转换系统文语转换系统是语音合成的第一个层次，是将文字内容转换为语音输出的语音合成系统。

12、语音合成技术的需求和特点语音合成技术具有四个方面的需求和特点自然度、清晰度、表现力和复杂度。

13、语音识别语音识别技术是让计算机通过识别和理解，将语音转变为文本或命令的技术，让计算机能够听懂人类的语言。

14、语音识别系统分类语音识别系统按照其构成与规模有多种不同的分类标准。根据对说话人说话方式的要求，可以分为孤立字语音识别系统，连接字语音识别系统以及连续语音识别系统根据对说话人的依赖程度可以分为特定人和非特定人语音识别系统根据词汇量大小，可以分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。

15、语音识别的关键技术语音识别技术主要包括特征提取技术、模式匹配技术及模型训练技术。此外，还涉及到语音识别单元的选取。语音识别单元有单词、音节和音素三种。

1特征提取技术。在丰富的语音信号中提取出对语音识别有用的信息，通过对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，获得影响语音识别的重要信息。

2模型训练技术。按照一定准则，从已知模式中获取表征该模式本质特征的模型参数。

3模式匹配技术。根据一定准则，使未知模式与模型库中的某一个模型获得最佳匹配。

16、音频处理软件该软件是集音频的录制、混合、编辑和控制于一身的音频处理工具软件。可以轻松创建音乐、制作广播短片、修复录制缺陷。基本功能包括以下方面

1录音。

2混音。将不同音轨中的声音混合在一起，综合输出经过混合的声音效果。

3声音编辑。例如声音的淡入淡出、声音移动和剪辑、音调调整、播放速度调整等。

4效果处理。软件带有不同类型的效果器，如压缩器、限制器、均衡器、合唱效果器、延迟效果器、回升效果器等，能够实时处理声音的效果。

5降噪实现在不影响音质的情况下，去除噪声。

6声音压缩。软件具有支持目前几乎所有流行的音频文件类型，并能够实现类型的转换和文件压缩。

7协同创作。能够与多种音乐软件协同运行，实现音乐创作。

17、音频处理软件基本操作20音频处理软件具有三种编辑模式界面，分别是多轨编辑模式、单轨编辑模式以及CD模式。多轨与单轨界面大致可以分为菜单栏、工具栏、文件效果器列表栏、音轨显示区、基本功能区和电平显示区。

常用的音频编辑方法主要是对音频波形进行裁剪、切分、合并、锁定、编组、删除、复制以及对音频进行包络编辑和时间伸缩编辑。

音频特效处理主要使用各种效果器，主要包括均衡效果处理、混响效果处理、压限效果处理、延迟效果处理等。

amp习题解析

一、单选题

1人耳可以听到的声音频率范围为。

kHz

kHz

kHz

kHz

答案A

解析人耳听到的声音频带范围是有限的，频率低于20Hz和高于Hz的声音信号人类听不到，即表示人耳的可听域在Hz之间。

2格式的数字音频是微软公司开发的网络音频格式。

CMP3

DRM

答案B

解析WMA格式是的缩写，是微软公司开发的网络音频格式。其压缩率一般可以达到118。

3声音的三个要素中不包括。

A音调

B音质

C音色

D音强

答案B

解析声音具有三个要素音调、音色和音强。

4描述模拟音频信号的三个物理量中，表示声音的音调。

A振幅

B音色

C频率

D音强

答案C

解析自然界的声音信号是连续的模拟信号，可以用三个物理量来描述振幅、周期、频率。其中，频率是声音波形在一秒钟内完成全振动的次数，表示声音的音调。

5描述模拟音频信号的三个物理量中，表示声音的强弱。

A振幅

B音色

C频率

D周期

答案A

解析自然界的声音信号是连续的模拟信号，可以用三个物理量来描述振幅、周期、频率。其中，振幅是声音波形振动的幅度，表示声音的强弱。

6人们主要依据声音的特点来区分和辨别声源的种类。

A振幅

B音色

C音强

D音调

答案B

解析人的声音、其它生物的声音以及自然界各种声响都具有自己独特的音色。人们往往是依据音色来辨别声源种类的。

7人类语音的频带宽度是Hz。

答案B

解析人类语音的频带宽度为100Hz。

8模拟音频的声音质量主要与音色和有关。

A声音强度

B频率范围

C声音音调

D基音

答案B

解析模拟音频的声音质量简称“音质”，与音色和频率范围有关。悦耳的音色、宽广的频率范围，能够获得更好的音质。

9将模拟声音信号转换为数字音频信号的数字化过程是。

A采样→编码→量化

B编码→采样→量化

C量化→编码→采样

D采样→量化→编码

答案D

解析模拟音频信号的数字化过程与普通模拟信号数字化过程类似，需要三个步骤采样、量化和编码。

10将模拟音频信号在时间上进行离散化处理，这一过程叫。

A量化

B编码

C采样

D压缩

答案C

解析要使模拟音频信号数字化，首先要在时间上对其进行离散化处理，这一过程叫采样。

11以下数字音频文件格式中，称为乐器数字接口，是数字音乐电子合成乐器的统一国际标准。

AMP3

答案C

解析格式是ace的缩写，又称作乐器数字接口，是数字音乐电子合成乐器的统一国际标准。在文件中存储的是一些指令，把这些指令发送给声卡，由声卡按照指令将声音合成出来。

12影响数字音频信号质量的主要技术指标是。

A采样频率和量化精度

B压缩和解压缩

C录音和播放

D模拟和压缩

答案A

解析影响数字音频信号质量的主要技术指标主要包括采样频率、采样精度、声道数和编码算法。这些指标决定了数字化音频的质量。

13奈奎斯特采样理论指出，采样频率不低于声音信号最高频率的倍。

A3

B12

C13

D2

目前国内语音合成做的最好的就是科大讯飞，有一款文语通可以试试，直接把要听的txt文本拖进播放器，就可以听到声音了，音质很好。

YY编辑找到的这款名为的变声工具，它自带了多种高品质的男声和女声发音，外加丰富的声音特效，可以对输入的声音进行实时处理，更妙的是兼容多种聊天工具、网络、视频会议软件，总之妙处多多。

第1步安装。不多说，搜索一个，下载安装。

第2步激活语音聊天功能

运行程序，我们会看到如图所示的主界面，选择按钮，此时会弹出一个快捷菜单，上面的小节主要提供各种女性声音的选择，在下面的小节中则主要提供各种男性声音的选择，你可以根据不同情况随时随地实现“变性”的功能。不过，如果你使用的是演示版本的话，需要选择选项才行。

第3步选择背景音效

选择按钮，我们可以设置变声后的各种背景音效，这里提供了精神病院、鬼怪、马车、闪电、沙哑、卡拉OK、大厅、水下、洞穴等多种音效，点击按钮可以查找更多的音效。还提供了非常丰富的语气效果，例如温和、严厉、敏锐等，这里就不多说了。

第4步在聊天软件中使用变声效果

编辑提示：如果你使用的是版本，那么将可以支持更多的聊天软件，包括、、、PC等。

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

YY编辑试用心得：

有六种女性声音供大家选择，范围覆盖女孩到女人再到老女人，满足RY的不同扮演需要！没有比这种傻瓜式的操作更加贴心的了。为了让各位对这些声音有更加直接了解，YY编辑特地请出不世出的配音达人、号称配音之鬼的小乖来测试这六种女声！

好的，我们先下载了NGA推荐的语聊软件，建立了一个房间，然后，配音之鬼小乖就开始用说话……（注意：要先启动，再启动，否则不能变声。）

首先是萝丽声音1：天哪，我彷佛听到一个动感活力，充满阳光气息的女孩在和我窃窃私语！大部分的发音都非常拟真，不过偶尔会出现一些比较man的发音。不过没关系，你可以说感冒了声音有点奇怪

结论：推荐给打算扮演运动型女孩的RY使用。

再来萝丽声音2：这……小乖，你真的是一个男人吗？我仿佛在和一个天真无邪小萝丽对话！这种感觉实在太棒了，清脆，悦耳，是的，我打赌你会以为这是一个不过10岁的女孩！

结论：萝丽控福音。

接下来是成年女性声音1：非常熟悉的女性声音，温柔文静，很大众。典型的中国女孩声音。这个声音不够张扬，但是，光是MM的身份就已经很耀眼了！

结论：邻家女孩，极具亲切感。

好的，这是成年女性声音2：Oh！我承认，当我听到这个声音的时候，几乎有兴奋的感觉。我最爱的御姐，是你正在和我说话吗？这种成熟性感的声线……实在令人不忍心承认，和我说话的其实是一个男人！

结论：我的最爱！御姐无敌！

最后还剩下两个老女人的声音……但是你真的打算尝试么，那声音实在是太低沉了，估计没人愿意自己的声音跟鬼一样吧？

参考资料：别人发的，我转一下而已