开源TTS语音合成和处理合集整理

开源TTS/语音合成和处理工具

1.eSpeak-Chinese

eSpeak-Chinese是一个TTS软件。它是基于Jonathan Duddington 的eSpeak，由于中文词典太大，eSpeak缺省并不带中文词典，需另外下载。发布

eSpeak-Chinese只是为了方便用户安装。

国语支持的主要贡献者：

•Kyle Wang （waxaca at ) –创建了最初的字典，规则和声音文件。

•Silas S. Brown (/ssb22/) - 改进词典(加入CEDICT等).

粤语支持的主要贡献者:

•黄冠能 - 创建了粤语字典，简易的规则和声音文件。

eSpeak-Chinese是eGuideDog项目的重要组成部分。另一个中文TTS(余音)在开发中。它在设计上更简易但文件较大。由于使用了真人发声，它比eSpeak的声音更自然。目前它只支持粤语。

2.Flite

Flite是一个小型、快速的TTS系统，是著名的语音合成系统festival的c版本。可用于嵌入式系统

3.FreeTTS

FreeTTS 是完全采用 Java 开发的语音合成系统，它是卡内基梅隆大学基于Flite 这个小型的语音合成引擎开发的。

FreeTTS是一个语音合成系统写的JavaTM编程语言完全。它是根据Flite公司：一个小运行时语音合成引擎卡内基梅隆大学的发展。弗莱特来源于节语音合成系统，从爱丁堡大学和卡内基梅隆大学的festvox项目。这种FreeTTS版本包括：*核心语音合成引擎*支持的多寡：邻一8kHz的双音子，男，美国英语语音办公16KHz的双音子，男，美国英语语音办公16KHz的有限域，男*美国英语语音的festvox的进口（美国英语的声音只）*对进口的festvox（仅限美式英文）*支持工具中央结算系统的MBROLA北极的具体支持，支持的声音声音（单独下载）：办公自动化16KHz的女性，美国英语语音O 2个16KHz的男性声音*美国英语为JSAPI 1.0 *广泛的API文档部分支持*几个演示应用

4.eSpeak

eSpeak是一个紧凑的开放源码软件的语音合成器为英语和其他语言，为Linux 和Windows 。

eSpeak生产高质量的英语演讲。它使用了不同的合成方法从其他开源语音合成引擎，和声音完全不同。这也许不是作为自然人或“平稳” ，但我觉得发音更清晰，更容易听很长时间。

它可以运行命令行程序发言的文本文件或从标准输入。一个共享库的版本也已推出。

•包括不同的声音，其特点可以改变。

•能产生语音输出为WAV文件。

• SSML （语音合成标记语言）的支持（未完成），并使用HTML 。

•该计划及其数据，其中包括数种语言，总计约700千字节。

•可以把文字，音素代码，所以它能够适应作为一个前端另一个语音合成引擎。•潜在的其他语言。一些包含在不同阶段所取得的进展。帮助母语为这些或其他语言的欢迎。

•开发工具可用于生产和调整音素数据。

•写在C + +

Windows版本目前的Windows SAPI5和命令行版本的eSpeak 。 SAPI5版本的可以使用屏幕阅读器，如完，颌骨，超新星，以及窗的眼睛。

它们可以作为一个Windows安装程序包

该eSpeak语音合成器支持几种语言，但在大多数情况下，这些都是初稿，并需要更多的工作来改善。援助的母语是值得欢迎的这些或其他新的语言。请与我联系如果你想帮助。

eSpeak没有文字，语音合成的语言，一些比别人做得更好。南非荷兰语，粤语，克罗地亚语，捷克语，荷兰语，英语，世界语，芬兰语，法语，德语，希腊语，印地语，匈牙利语，冰岛语，意大利语， Lojban ，马其顿语，普通话，挪威语，波兰语，葡萄牙语，罗马尼亚语，俄语，塞尔维亚语，斯洛伐克语，西班牙语，斯瓦希里语，瑞典，越南，威尔士。

5.OpenVXI

OpenVXI 提供的是完整的 VXML 解析服务，同时也提供了有限语言的 TTS 支持。

Voice eXtensible Markup Language（简称 VXML）是被用来创建语音对话系统，可以调用语音合成以及语音识别服务，可以用来记录语音录入和连接电话系统。创建 VXML 语音的主要目的就是用 Web 开发的理念来开发交互式的语音应用。VXML 提供了基于 Menu 和基于 Form 的两套框架，整合了语音识别和语音合成两个关键服务，使得语音应用的开发变得更为方便和快捷。

VXML 和普通的标记语言一样，需要有浏览器进行解析；还需要提供语音识别和语音合成服务的应用服务器；有时也需要有 http 服务器提供文档服务；当然，如果需要与电话系统相连，就必须加上 VOIP （网络电话）的支持。如下图所示

的就是 VXML 的运行环境：

图 1. VXML 运行环境

一个企业级应用的系统框架

IVR (interactive voice-response services) 也就是自动应答服务，是使用VXML 的典型企业级应用。IVR 和使用者通过电话，按键 (DTMF) 互动，如语音订票，语音查询，语音投票等。普通的 IVR 都是支持 VXML 的解析和提供了 sip 协议的支持，通过和 ASR ( 语音识别 ) 应用服务器以及 TTS( 语音合成 ) 应用服务器的集成，可以实现几乎所有的 VXML 封装的操作。

企业级的 VXML 应用需要如下的体系结构，以使用 IBM Voice Server (WVS) 为例：

图 2. 一个 VXML 具体应用的例子

上图中的 IVR 事实上就是 VXML 解析器，通过解析 VXML，分发相应的工作给WVS ，实现 VXML 封装的语音识别和语音合成的功能。

6.Festival

Festival 是 Linux 下的一个语音合成软件

使用方法：

$ festival --tts letter.txt

$ festival

festival> (SayText "Greetings from ") $festival> (tts "myfile.txt")

在线演示：/projects/festival/onlinedemo.html 7.MBROLA

MBROLA 是一个 TTS 引擎，旨在尽可能的提供各种语言的语音合成器，这些语言在其首页上都有说明。

8.AstLinux

AstLinux 是一个定制的Linux发行版，主要是围绕这asterisk这个语音交换软件定制的。