基于可編程交換機的分布式TTS系統(tǒng)

　　一、TTS簡介

　　TTS文語轉換用途很廣，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)已廣泛應用于各個行業(yè)(如電信、交通運輸?shù)?。

　　TTS所用的關鍵技術就是語音合成(Speech Synthesis)。早期的TTS一般采用專用的芯片實現(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。而基于微機應用的TTS一般用純軟件實現(xiàn)，主要包括以下幾部分：

　　文本分析 - 對輸入文本進行語言學分析，逐句進行詞匯的、語法的和語義的分析，以確定句子的低層結構和每個字的音素的組成，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的單字或短語從語音合成庫中提取，把語言學描述轉化成言語波形。

　　韻律處理 - 合成音質(Quality of Synthetic Speech)是指語音合成系統(tǒng)所輸出的語音的質量，一般從清晰度(或可懂度)、自然度和連貫性等方面進行主觀評價。清晰度是正確聽辨有意義詞語的百分率;自然度用來評價合成語音音質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用。

　　要合成出高質量的語音， 所采用的算法是極為復雜的，因此對機器的要求也非常高。算法的復雜度決定了目前微機并發(fā)進行多通道TTS 的系統(tǒng)容量。

　　二、TTS在CTI 的應用中的基本構架

　　在一般的CTI應用系統(tǒng)中，都會有IVR(交互式語音應答系統(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可以加快服務速度，節(jié)約服務成本，使IVR為呼叫者提供7*24小時的服務。

　　目前常見的IVR系統(tǒng)大都是通用的工控機平臺上插入語音板卡組成，并支持中文語音合成TTS等技術。

　　基本構成如下圖所示：

　　一個典型的包含TTS服務的電話服務流程可分為：

　　用戶電話撥入，系統(tǒng)IVR響應，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)庫服務器申請相關數(shù)據(jù)。

　　數(shù)據(jù)庫服務器返回文本數(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服務器。

　　TTS服務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服務器。

　　IVR服務器把分段語音數(shù)據(jù)組裝成為獨立的語音文件。

　　IVR播放相應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+語音板卡，而合成的語音數(shù)據(jù)則通過局域網(wǎng)傳給IVR。這種結構只適用于簡單的應用場合。

　　如果用這種方式去組建較大的系統(tǒng)，則會存在諸多問題：

　　1、兩個瓶頸

　　(1)接入瓶頸：

　　單臺工控機的接入容量一般不超過8E1為宜。除了運行應用程序外，它還要控制兩個實時端口：實時地通過局域網(wǎng)接收語音數(shù)據(jù)，并要實時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實時性，其結果就是用戶聽到的語音經(jīng)常斷續(xù)，保證不了語音質量。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進行合成的，再經(jīng)過壓縮，則音質會有很大的損傷，因此同樣保證不了語音質量。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)總線進入語音卡，最后進入電信網(wǎng)，同樣語音數(shù)據(jù)通過計算機主板經(jīng)PCI(或ISA)總線進入語音卡也要求是實時的。這兩種實時性的要求會導致在接入量比較大的情況下，會給計算機的總線造成很大的負擔。因為總線的帶寬(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，計算機的總線帶寬會成為一個比較關鍵的瓶頸。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)實時性的要求，也不能保證語音質量。

　　(2)I/O插槽和語音板卡容量的限制：

　　目前計算機的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太高，因此單臺計算機的接入能力相對較小。要組建比較大的系統(tǒng)，就必須采用多臺計算機接入，這就必然會引入機間交換的問題。用語音板卡和多臺機器構建大中型CTI系統(tǒng)時，機器間要通過電纜連接才能使系統(tǒng)同步運行，但交換用的時鐘同步信號和數(shù)據(jù)信號的頻率很高，極易受到外界干擾，造成系統(tǒng)的不穩(wěn)定。

　　2、系統(tǒng)復雜度的限制

　　基于語音板卡構建較大規(guī)模的應用系統(tǒng)時，除了系統(tǒng)穩(wěn)定性的因素外，還要考慮系統(tǒng)的復雜度。對一個應用系統(tǒng)來說，除上面提到的因素外，復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)復雜度的增加，會使系統(tǒng)的靈活性和可維性降低，從而導致系統(tǒng)未來維護、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，使得一個應用系統(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，用小積木搭建會更經(jīng)濟一些。而用小積木構建大系統(tǒng)會使積木塊的數(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)驗的要求會增加，同時系統(tǒng)開發(fā)周期也會加長，而系統(tǒng)的維護難度也隨之增加。這些因素都會導致在一個系統(tǒng)的生命周期內(nèi)，其綜合運行成本的增加。

　　三、鼎銘基于分布式構架的可編程交換機在大容量TTS中的應用

　　深圳鼎銘電子技術有限公司推出的基于分布式構架的具有高速數(shù)據(jù)傳輸性能的可編程交換機，給CTI應用帶來了革命性的變化，獨有的分布式傳輸構架使其交換機的整體性能和目前國內(nèi)外同類可編程交換機比較，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內(nèi)，外部可以和多臺PC或工控機相連，因為可編程交換機可以級聯(lián)，所以可以和外部連接的PC或工控機理論上沒有特別限制。這樣可編程交換機的內(nèi)部I/O總線(類比于PC機的PCI或ISA總線)就不再傳輸實時數(shù)據(jù)(如語音數(shù)據(jù))，而只負責非實時性的管理和信令數(shù)據(jù)，語音或其它實時數(shù)據(jù)從外部PC直接傳入可編程交換機的高速數(shù)據(jù)傳輸板，然后通過交換直接進入外部公共電信網(wǎng)(PSTN)。

　　而對于需要錄音的語音或其它實時數(shù)據(jù)則從外部公共電信網(wǎng)(PSTN)通過可編程交換機內(nèi)部的交換直接進入高速數(shù)據(jù)傳輸板，再輸出到外部PC或工控機。這就解決了上面提到的實時語音數(shù)據(jù)的傳輸瓶頸問題。而可編程交換機本身的優(yōu)勢就在于它的高密度接入，對可編程交換機而言就不存在接入瓶頸問題。

　　除了解決上述兩個瓶頸問題，我們再來看看這種結構的交換機帶來的其它優(yōu)勢：

　　首先，在解決實時數(shù)據(jù)瓶頸問題的同時，因為實時數(shù)據(jù)不再通過內(nèi)部的I/O總線，從而減輕了I/O總線負擔，同時CPU的負擔也大大減輕了，而和高速數(shù)據(jù)板連接的外部PC所運行的應用程序也單一化了(如錄音/放音、TTS、ASR 等)，而且具有了很強的可復制性。從而使基于可編程交換機構建的應用系統(tǒng)的復雜度大大降低，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)成本和運行維護成本。另外，可編程交換機的專有電源系統(tǒng)也使系統(tǒng)穩(wěn)定性和可靠性大大加強。

　　另外，鼎銘可編程交換機的這種構架，使整個交換機平臺具備了很強的開放性，捆綁獨立的第三方產(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，因此更好地實現(xiàn)了第三方產(chǎn)品的價值。同時，又降低了最終客戶的系統(tǒng)構建成本。

　　正是因為鼎銘可編程交換機從技術上突破了高速實時數(shù)據(jù)傳輸?shù)钠款i問題，真正意義上實現(xiàn)了分布式的客戶機/服務器體系結構，所以也特別適合構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等應用系統(tǒng)。

　　下圖示意了基于鼎銘可編程交換機構建的大容量TTS IVR系統(tǒng)。TTS服務的電話服務流程變?yōu)椋?/p>

　　用戶電話撥入，接入系統(tǒng)(IVR)響應，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)庫服務器申請相關數(shù)據(jù)。

　　數(shù)據(jù)庫服務器返回文本數(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服務器。

　　TTS服務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)。

　　交換總線的語音數(shù)據(jù)通過接入端口進入公用電話網(wǎng)或公用數(shù)據(jù)網(wǎng)，電話用戶聽取相關語音。