1.1 背景和現(xiàn)狀

隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡的硬件設備的容量和技術水平在不斷提高，網(wǎng)絡帶寬正在持續(xù)快速增長和放大；在軟件方面，流媒體、語音合成等技術也日臻成熟。互聯(lián)網(wǎng)硬件水平和軟件技術的相互作用，為語音、圖形圖象、動態(tài)影像等大容量數(shù)據(jù)在互聯(lián)網(wǎng)上的傳送提供了可能。

近年來，一些語音網(wǎng)站紛紛開通，其中比較著名是2000年4月18日在英國誕生的全球首位互聯(lián)網(wǎng)虛擬主持人：安娜諾娃（Ananova，www.ananova.com）。從技術角度分析，安娜諾娃的實現(xiàn)，基于三項主要的技術，即數(shù)字動畫技術、語音合成技術和流媒體技術。數(shù)字動畫技術可以為安娜諾娃創(chuàng)建人類的表情，語音合成技術可以將新聞的內(nèi)容合成為人類的語言，流媒體技術可以使用戶在線收看、收聽安娜諾娃所播報的新聞。

在中國，也先后出現(xiàn)了類似的網(wǎng)站，諸如香港一家電視臺的“Icy”， 51Go網(wǎng)站的“GoGirl”和天津電視臺的“言東方”等等。

但是，以上這些以漢語為信息載體的虛擬主持人（語音網(wǎng)站）或者沒有實現(xiàn)語音方式，或者聲音全部是用人工提前錄音的方式錄制的，沒有實現(xiàn)用計算機進行實時動態(tài)合成。

1.2 捷通華聲語音網(wǎng)站方案解決的技術問題

• 錄音的問題：存儲空間大，錄音工作量大，錄音信息更換不及時，不能滿足應用的需求。
• 將網(wǎng)絡信息從無聲閱讀提升到有聲瀏覽時代，應該說這是互聯(lián)網(wǎng)的飛躍或者說是革命。
• 對生成的語音信息可以進行管理。
• 可以實現(xiàn)語音數(shù)據(jù)批量生成，自動將文本數(shù)據(jù)轉換為語音數(shù)據(jù)。
• 利用捷通華聲語音合成技術（jTTS）和流媒體技術，可輕易將現(xiàn)有網(wǎng)站改造成為有聲網(wǎng)站，真正實現(xiàn)語音網(wǎng)站，實現(xiàn)平滑升級。

1.3解決方案之一：jTTS—Service語音服務器方案

• 方案概述：

語音服務器－IIS服務器－瀏覽器

語音服務器方案是指利用捷通華聲在CTI領域成熟應用的jTTS Service語音服務器，增加一臺或多臺語音服務器到現(xiàn)有的IIS服務系統(tǒng)的網(wǎng)絡環(huán)境中；在IIS服務器中，增加訪問語音服務器的功能。當IIS服務器需要流媒體輸出時，向語音服務器發(fā)出請求，語音服務器接受IIS服務器的請求，并對請求的數(shù)據(jù)進行合成、格式轉換，得到流媒體后返回給IIS服務器，IIS服務器再將此流媒體傳輸給用戶。

• 基本構架：

• 方案要點：

（1） jTTS Service

（2）ASP（用于響應Web頁面請求、播放的腳本程序、ASP程序）

• 基本流程：

在本方案中，語音服務器是構建語音網(wǎng)站的后臺。jTTS Service將處于監(jiān)聽某一TCP/IP端口狀態(tài)，響應來自IIS服務器的多用戶請求。而IIS服務器則增加通過TCP/IP請求服務器和接受服務器返回數(shù)據(jù)的程序，來完成流媒體獲得的功能。

瀏覽器端（Explorer）發(fā)出瀏覽請求，網(wǎng)站服務器（IIS）根據(jù)請求查找流媒體（音頻流）文件，如有，則將流媒體返回客戶端，并啟動客戶端的MS media player播放流媒體。若沒有，則向語音服務器（jTTS Service）發(fā)出合成請求，并將所需合成的文本通過Socket接口傳送至語音服務器；語音服務器響應網(wǎng)站服務器的合成請求后，將調(diào)用jTTS合成技術進行語音合成，并調(diào)用WMF SDK將生成的音頻文件轉換成流媒體格式ASF；通過Socket接口返回IIS服務器端后，將此流媒體文件存儲到指定的Web目錄，同時將流媒體返回瀏覽器端，啟動MS media player播放。其流程如下：

 

• 方案特點：

（1）可實現(xiàn)語音服務器的分布式工作方式，對客戶端的請求自動調(diào)度，平衡負載，以達到更高的性能。

（2）適用于訪問量大(同時60線程及以上并發(fā)合成)的門戶網(wǎng)站或提供虛擬主機的IDC、ASP。

（3） 對現(xiàn)有的IIS服務系統(tǒng)不產(chǎn)生影響，也無需硬件升級，只需在IIS服務器上安裝客戶端軟件。

（4）投入少、實現(xiàn)簡單，只需增加一臺或多臺語音服務器（視服務量大小，建議配置：PIII550 128M 10G以上）到現(xiàn)有的IIS服務系統(tǒng)的網(wǎng)絡環(huán)境中。

• 方案實現(xiàn)：

1．服務器端

語音服務器：

（1）一臺或多臺語音服務器（視服務量大小建議配置：PIII550 128M 10G以上）。

（2）NT4.0、SP4及以上、WMF SDK4.0及以上或Windows 2000、WMF SDK4.0及以上。

（3）jTTS Service（捷通華聲TTS服務器）服務器端軟件。

IIS服務器：

（1）jTTS Service （捷通華聲TTS服務器）客戶端軟件。

2．Web頁面端

（1）加入傳播參數(shù)的腳本，加入調(diào)用播放器的腳本文件(mediaplayer.asp)。

（2）加入播放參數(shù)（播放文件標志、播放引擎）。

1.4解決方案之二：jTTS－Web Service Pack語音網(wǎng)站服務包方案

• 方案概述：

語音網(wǎng)站服務包+IIS服務器－瀏覽器

與語音服務器方案不同的是，語音網(wǎng)站服務包方案不添加語音服務器，而是在IIS服務器中安裝捷通華聲語音網(wǎng)站服務包，從而構成集網(wǎng)站服務器（IIS）、語音服務器（TTS）于一身的語音網(wǎng)站服務器。其工作方式與語音服務器方案大致相同。當IIS服務器響應瀏覽器請求需要流媒體輸出時，通過內(nèi)部COM控件向底層的jTTS發(fā)出請求，jTTS依據(jù)COM所傳遞的參數(shù)，對請求的數(shù)據(jù)進行合成、格式轉換后，直接將此流媒體傳輸給客戶端的瀏覽器。

• 基本構架：

 

• 方案要點：

（1）COM控件（TTSPlayer.dll，用于鏈接Web腳本和TTS合成引擎jTTS_ma.dll的動態(tài)鏈接程序）

（2）jTTS SDK

• 基本流程：

在語音網(wǎng)站服務器中，語音服務器位于系統(tǒng)的底層，其作用是響應來自IIS服務器的請求服務，來完成流媒體的生成。

瀏覽器端（Explorer）發(fā)出瀏覽請求時，加在Web頁面的服務器端ASP程序和腳本程序自動響應，根據(jù)請求查找流媒體（音頻流）文件，如有，則將流媒體返回客戶端，并啟動客戶端的MS media player播放流媒體。若沒有，則向通過COM控件(TTSPlayer.dll)的傳遞函數(shù)向COM傳遞參數(shù)，并發(fā)送合成請求；COM控件根據(jù)參數(shù)和請求調(diào)用捷通華聲語音合成系統(tǒng)jTTS(jTTS_ma.dll)生成Wave格式的音頻文件，并返回給COM控件；COM控件得到之后再調(diào)用WMF SDK將所生成的音頻文件轉換成流媒體格式ASF，在保存到指定目錄后開始將此流媒體返回客戶端，啟動MS media player播放。其流程如下：

• 方案特點：

（1）投入少，實現(xiàn)簡單，不需增加任何硬件設備，性價比高。

（2）適用于訪問量不大（同時60線程左右并發(fā)合成）的企業(yè)、機關及各類網(wǎng)站或提供虛擬主機服務的IDC、ASP。

（3）對現(xiàn)有的IIS服務系統(tǒng)影響小，需在IIS服務器上安裝jTTS－Web Service Pack軟件。

 

 

• 方案實現(xiàn)：

1．服務器端

對IIS服務器的要求是SP4及以上，增加以下組件

jTTS SDK2.1、添加并注冊COM控件（TTSPlayer.dll）、WMF SDK4.0及以上。

2．Web頁面端

（1）加入傳播參數(shù)的腳本，加入調(diào)用播放器的腳本文件(mediaplayer.asp)。

（2） 加入播放參數(shù)（播放文件標志、播放引擎）。

 

捷通華聲供稿 CTI論壇編輯