基于FPGA的TTS系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、語(yǔ)音合成技術(shù)，簡(jiǎn)稱TTS(Text-to-Speech)是一種把輸入文本轉(zhuǎn)換為語(yǔ)音輸出的數(shù)字語(yǔ)音技術(shù)。隨著社會(huì)發(fā)展和科技水平不斷提升，人機(jī)交互發(fā)展成為一項(xiàng)熱門(mén)技術(shù)，語(yǔ)音合成和語(yǔ)音識(shí)別成為了數(shù)字語(yǔ)音領(lǐng)域的研究熱點(diǎn)。隨著嵌入式設(shè)備的系統(tǒng)性能提升、容量擴(kuò)大、價(jià)格降低，嵌入式語(yǔ)音合成技術(shù)也逐漸走進(jìn)了主流應(yīng)用場(chǎng)合。FPGA(FieldProgrammable Gate Array)，即現(xiàn)場(chǎng)可編程門(mén)陣列，以其靈活性好、功能強(qiáng)大、使用范圍廣、硬件可重

2、構(gòu)性強(qiáng)而成為了時(shí)下最熱門(mén)的嵌入式平臺(tái)。
　　 目前基于計(jì)算機(jī)的語(yǔ)音合成算法已經(jīng)十分成熟，在語(yǔ)音的自然度、流暢性上都有卓越的表現(xiàn)，合成后的語(yǔ)音質(zhì)量較好。但是，由于嵌入式設(shè)備的存儲(chǔ)容量和系統(tǒng)資源有限，導(dǎo)致了這些系統(tǒng)開(kāi)銷大的算法，無(wú)法很好地移植到硬件平臺(tái)上。本文針對(duì)此問(wèn)題，結(jié)合FPGA的硬件特性，提出了一種占用系統(tǒng)資源小，易于實(shí)現(xiàn)的TTS系統(tǒng)。
　　 本文首先闡述了語(yǔ)音合成技術(shù)的發(fā)展歷史、國(guó)內(nèi)外研究現(xiàn)狀，在理解語(yǔ)音合成原理的基

3、礎(chǔ)上，繪制出系統(tǒng)框圖，給出了基于FPGA的TTS系統(tǒng)設(shè)計(jì)的方案，并在MATLAB下進(jìn)行相關(guān)仿真實(shí)驗(yàn)，在文章最后驗(yàn)證了該方案在FPGA上可行。文中重點(diǎn)分析了基音同步疊加PSOLA（Pitch Synchronous Over Lap-and-Add）算法的合成原理。
　　 本TTS系統(tǒng)硬件平臺(tái)選用Microsemi公司的SmartFusion評(píng)估板A2F-EVAL-KIT。由于FPGA自身存儲(chǔ)空間有限，故外接一塊SD卡接口模塊作為

4、擴(kuò)展，利用擴(kuò)展的SD卡存儲(chǔ)漢字字典及語(yǔ)音庫(kù)文件。通過(guò)移植、布署FatFs文件系統(tǒng)實(shí)現(xiàn)對(duì)語(yǔ)音庫(kù)中音頻文件讀取，F(xiàn)PGA上所移植的FatFs文件系統(tǒng)的版本為0.07e。系統(tǒng)采用中國(guó)國(guó)家標(biāo)準(zhǔn)簡(jiǎn)體字符集核準(zhǔn)的漢字表作為字典文件，語(yǔ)音庫(kù)內(nèi)的語(yǔ)音基元均存儲(chǔ)為WAV(wave)格式。通過(guò)讀取字典文件，建立起漢字到語(yǔ)音庫(kù)中WAV文件相對(duì)應(yīng)的索引表。該語(yǔ)音合成系統(tǒng)輸入部分通過(guò)PC機(jī)上開(kāi)發(fā)的簡(jiǎn)單人機(jī)交互界面完成，獲取了輸入文本信息后，通過(guò)UART0把數(shù)據(jù)傳

5、送到FPGA上，系統(tǒng)通過(guò)索引表查找到與輸入文本相匹配的語(yǔ)音，在對(duì)該WAV文件進(jìn)行解析，提取出其中的PCM(Pulse-code Modulation)數(shù)據(jù)，送入D/A，通過(guò)揚(yáng)聲器播放出聲音，實(shí)現(xiàn)文語(yǔ)轉(zhuǎn)換功能。
　　 最后，運(yùn)用MATLAB對(duì)合成前后的語(yǔ)音波形做了詳細(xì)的分析。示波器采集的揚(yáng)聲器端的語(yǔ)音波形，較好的保存了原始語(yǔ)音的特色。經(jīng)過(guò)人耳聽(tīng)辨音實(shí)驗(yàn)，本TTS系統(tǒng)具有極高的準(zhǔn)確性，輸出語(yǔ)音清晰，可懂度高，在語(yǔ)音的流暢性和自然度上