1、基于漢字編碼特性構造函數實現的語音系統日期：2006-05-22來源：  作者：字體：大 中 小 黃紅偉  湯興華  摘要：基于漢字編碼的特性，本文構造了一個函數，利用這個函數為每一個漢字建立索引，基于此建立了一個很小的基于文件形式的語音庫；在程序里調用這個語音庫來達到漢字語音輸出的功能。同時給出了實現此語音庫的方法、步驟及怎樣調用此語音庫，及相應的程序代碼。關鍵詞：漢字編碼,函數,語音系統 1關于漢字映射序號函數 f 首先讓我們來考查一下漢字的編碼（我們這里只研究中國大陸的簡體中文GB2312，下同）。根據ANSI字符集1，每一個漢字由兩個字

2、節構成，由一個十六進制數唯一表示，例如：黃，其十六進制編碼為：0xBBC6。我們可以看到在構成黃字的這兩個字節中，第一個字節表示的值為：0xBB，第二個字節為：0xC6。通過研究Windows系統中的字符映射表，我們可以得出以下命題：命題一在表示簡體中文的這兩個字節中，第一個字節的標識范圍為：0xB00xF7，第二個字節的標識范圍為：0xA10xFE。根據命題一，我們得出：命題二用這兩個字節在此標識范圍之內所能表示的漢字個數為：（0xF70xB01）×(0xFE0xA11)72×946768。事實上字符映射表里的簡體漢字個數也為6768個。于是我們定義了一個函數f：定義一：

3、P = f(Q) = (Q1 0xB0) × 94 + (Q2 0xA1)其中：Q為任一漢字的十六進制編碼，顯然這里Q由兩個字節構成，Q1為構成Q的兩個字節中的第一個字節，Q2為第二個字節，所以：0xB0Q10xF7，0xA1Q20xFEP = p | 0 t 6767 且 p為整數不難證明此函數是可逆的。得出命題三：命題三任意給定一漢字，根據函數f，總可以找到一個唯一的數p (pP)，讓p來代表這個漢字，反之，給定一數p(pP)，也總有一個唯一的漢字與之對應。于是我們有f(啊) = f(0xB0A1) = 0，又如f(黃) = f(0xBBC6) = 1071，如此等等。 

4、;2.關于漢字拼音對照表通過考查新華字典2，我們為字符映射表里的6768個簡體漢字建立了一個漢語拼音對照表。對照表里在每一個拼音的后面加上一個數字，以示聲調，第一聲用1表示，第二聲用2，第三聲用3， 第四聲用4，平聲用5。例如：啊 a1，黃huang2。由于漢字里同音字比較多，所以6768個漢字拼音里實際上不同聲調者只有1317個。 為了準備基本的語音素材，我們特地從電視臺請了一位播音員錄制了這1317個不同的發音。其中每一個發音是一個單獨的wav型文件，其文件名就是其對應的漢語拼音，例如huang2這個音的文件名字就是huang2。3.關于語音庫的建立語音庫分為兩個部份，第一部份存貯6768

5、個漢字中的每一個漢字語音數據在庫中的位置索引，第二部份存貯的是已經錄制好的1317個wav文件的數據。事實上在庫中并沒有存貯漢字本身，因為根據前面得到的命題三，字符映射表里的每一個漢字都有一個唯一的數字與其對應，故這個語音庫的第一部份，也就是索引部份，可以看作一個有6768個元素的數組-SndIdx6768 (實際我們后面編程時也是這樣實現的)，例如SndIdx1071的值是黃這個字的語音數據在庫中的位置偏移量。因為1317個語音數據有10M之多，故索引數組的元素值遠超過32767，為此數組的每一個元素占有4個字節的空間。因此索引大小為：4 × 6768 25K 。調用語音庫時利用了

6、兩個緩沖區 ：DWORD SndIdx6768 與char  *m_szSndBuff，m_szSndBuff = (char *)malloc( 語音庫文件第二部份的大小 )。然后把語音庫文件fsnd.dat的第一部份，也就是索引部份讀入SndIdx；把第二部份，也就是語音數據部份讀入m_szSndBuff。當需要語音輸出的時候，例如要輸出黃的讀音，程序根據定義一的函數f得出與該字對應的的編號為1071，于是得到該字的讀音在緩沖區m_szSndBuff中的偏移量為SndIdx1071，然后調用Windows的用于播放wav數據的API函數來輸出該字的發音：sndPlaySound(

7、 m_szSndBuff + SndIdx1071 , SND_SYNC | SND_MEMORY )3。 4.關于系統的實現首先我們來研究怎樣生成這個語音系統。語音系統的主體部份其實只是一個數據文件fsnd.dat，我們要做的只是怎樣把這些索引與單個的漢字語音數據寫到fsnd.dat中。對于6768個漢字的索引以及1317個不同的語音數據文件，我們構造了一個算法做這件事。為此我們設計了一個臨時數據庫(sndDB)，這個庫里只有一張表(wordtable)，原型是我們前面整理的漢語拼音對照表，正如我們前面所知，這個表有兩個字段：漢字本身(在表里用 m_Word 表示)與其對應的拼音(

8、在表里用 m_Sound 表示)。根據命題三，每一個漢字都與一個唯一的整數對應，因此6768個漢字在這張表里是按這些整數的從小到大的順序來排列的。另外為了算法的實現，我們又加了兩個額外的字段，一個是：bool  m_Tag ,初始化為0,這是一個標志，因為我們知道，漢字里同音字比較多，當對一個拼音對應的語音數據進行處理之后，這個語音數據在fsnd.dat中的偏移量就已確定，那么其它同音的漢字的對應語音數據的偏移量也是同一個值，此時就把這些同音字的這個標志置為1，以后看到這個標志為1就跳到下一漢字。另一個額外的字段是：long  m_sndIndex, 顧名思義，就是記錄該漢

9、字語音數據在此文件中的偏移量，初始為0。又因為fsnd.dat是由兩部份構成：索引部份與數據部份，為了方便，將這兩部份分成兩個文件來處理，然后再把包含語音數據的這個文件(totalsnd.dat)的全部內容寫到fsnd.dat的后面。因為我們前面說過索引部份可看作一個數組，故在程序中我們又設計了一個數組：DWORD SndIdx6768，來充當數據庫與fsnd.dat的中轉。以下是具體的程序部份：m_DbSnd.Open( "sndDB", false, false, "ODBC; UID = sa " ); /m_DbSnd為數據庫對象m_pSndSe

10、t = new CSndSet( &m_DbSnd ) ; /m_pSndSet為指向數據集的指針m_pSndSet->Open ();/打開數據集    fsnd.Open( "fsnd.dat", CFile:modeCreate | CFile:modeWrite );/fsnd為一文件對象         DWORD idex = 0 ; /從第一個wav文件到第i個wav文件的長度的累加和    

11、60;     DWORD sndLen = 0; /記錄第i個wav文件的長度         char pszFilePath50 = "E:myworkhhwwav" /語音文件位于該目錄下         char *pFileKind = ".wav" /語音文件是.wav文件      

12、            CFile  snd; /代表具體漢字的語音文件對象         Cfile  totalsnd( "totalsnd.dat" , CFile:modeCreate | CFile:modeWrite );/全部語音文件數據寫入totalsnd.dat        

13、         CString  strsnd; /記錄從數據庫里讀出的漢字的漢語拼音         char *sndBuff = NULL; /為第i個wav文件數據開辟緩沖區          int i=0;         CString str

14、SQL;/要執行的SQL查詢、更新語句         while( !m_pSndSet->IsEOF() )/從數據庫里的第一條記錄讀到最后一條                            if( m_pSndSet->m_tag =

15、 TRUE ) /說明該字與前面某個字同音                                               SndIdxi

16、 = m_pSndSet->m_sndIndex ;                            fsnd.Write(&SndIdxi, sizeof(DWORD);/將該字發音數據所在位置寫入文件         

17、;                   i+ ;                            m_pSndSet->MoveNext

18、();                            continue ;                     

19、60;                strsnd = m_pSndSet->m_sound ;                   strcat( pszFilePath , strsnd );/具體漢字語音數據文件名與其拼音是一致的  &#

20、160;                strcat( pszFilePath , pFileKind );/給出該字發音文件的完整路徑                          &

21、#160;                                       snd.Open( pszFilePath , CFile:modeRead | CFile:typeBinary ); /打開相應的發音文件

22、                                      strcpy( pszFilePath, "E:myworkhhwwav" );    /初始化下個漢字發音文件的

23、路徑                                      /將與該字同音的漢字打上標志，并置發音索引為一樣         &#

24、160;         strSQL.Format("update wordtable set m_tag=1,m_sndIndex=%d where m_sound='%s'", idex, strsnd );                   m_DbSnd.ExecuteSQL( strSQL

25、 );                                      SndIdxi = idex ;          

26、60;        fsnd.Write( &SndIdxi, sizeof(DWORD);/將該字發音數據所在位置寫入文件                   i+;              &#

27、160;                       sndLen = snd.GetLength(); /得到該字發音文件的大小                   idex += sndLen ; /緊接的

28、與該漢字不同音的下一漢字的發音在文件中的偏移量                   if( sndBuff != NULL )                          &

29、#160;                     free( sndBuff );                          &#

30、160; sndBuff      = NULL;                                      sndBuff = ( char* )malloc( sndLe

31、n );/為該wav文件數據分配緩沖區                   snd.ReadHuge( sndBuff, sndLen ) ; /                        

32、60;              totalsnd.SeekToEnd();                   totalsnd.WriteHuge( sndBuff, sndLen);/ 把緩沖區語音數據寫到語音數據文件     

33、60;             snd.Close();/關閉該讀音的wav文件                                m_pSndSet->Move

34、( i ); /轉向下一個漢字                                     totalsnd.Close();/關閉語音數據文件         /以讀

35、的且二進制的方式打開語音數據文件以把它的數據并到fsnd.dat里去         totalsnd.Open( "totalsnd.dat", CFile:modeRead | CFile:typeBinary );         sndLen = totalsnd.GetLength();            

36、;       if( sndBuff != NULL )                             free( sndBuff );           

37、        sndBuff      =       NULL;                  sndBuff = ( char* )malloc( sndLen );       

38、  totalsnd.ReadHuge( sndBuff , sndLen );/把全部語音數據寫到緩沖區里         totalsnd.Close();          fsnd.WriteHuge( sndBuff , sndLen ); /把全部語音數據寫到索引部份后面         fsnd.Close();/fsnd.

39、dat制作完畢，關閉文件對象    至此這個語音系統的主體部份fsnd.dat已經完成。考慮到這個語音系統只是我們要開發的客戶系統的一個外掛程序，于是把庫文件的調用部份做成一個動態鏈接庫，即一個dll文件。在這個dll文件中輸出了一個類。這個類是這樣定義的：class CTextSnd  public:         CTextSnd();         virtual CTextSnd();

40、              void  Load();                /通過新開的一個線程調用LoadSnd,         void  UnLoad( void );清空緩沖區數據。  &#

41、160;      BOOL  LoadSnd();/打開fsnd.dat，載入聲音數據到m_szSndBuff，索引數據到SndIdx6768         BOOL  Play( char * szText );/szText是一段需要語音輸出的文字，用Play(char* szText)來完成private:         char  * 

42、;     m_szSndBuff;         DWORD SndIdx6768;                  由于語音輸出功能是在系統處理業務的時候才調用，故語音輸出與這些業務的進行應該是并發的，為此單獨開了一個線程來處理語音輸出，這是一個全程函數：DWORD  WINAPI  LoadSndT

43、hread(CTextSnd* ptr) ptr->LoadSnd();  return 0; 我們是這樣調用這個全程函數的：void  CTextSnd:Load()         DWORD   ThreadId;         CloseHandle(CreateThread(NULL,0,(unsigned long(_stdcall*)(void*)LoadSndThread,

44、this,0,&ThreadId);最后再給出用于最終輸出語音的函數：BOOL     CTextSnd:Play(char* szText )。BOOL        CTextSnd:Play( char * szText )/szText為一指針，指向要語音輸出的那段話         if( m_szSndBuff =     NULL) return FALSE;         DWORD   dwSndPosition;         char *         pT = szText;      &