TTS是Text To Speech的縮寫(xiě)，即“從文本到語(yǔ)音”，是人機(jī)對(duì)話的一部分，讓機(jī)器能夠說(shuō)話。

語(yǔ)音播報(bào)功能的實(shí)現(xiàn)方式

• TTS語(yǔ)音模塊，比如XFS5152、SYN6288等

• ISD4000系列語(yǔ)音錄放芯片分段輸出

• 可以按鍵、UART控制的mp3解碼芯片模塊

• OTP(One Time Programable)語(yǔ)音芯片[定制]

其中TTS語(yǔ)音模塊使用起來(lái)最方便靈活，OTP語(yǔ)音芯片最簡(jiǎn)單。

本文將介紹一下科大訊飛的XFS5152CE語(yǔ)音合成模塊。

XFS5152CE語(yǔ)音合成模塊

XFS5152CE是一款高集成度的語(yǔ)音合成芯片，可實(shí)現(xiàn)中文、英文語(yǔ)音合成；并集成了語(yǔ)音編碼、解碼功能，可支持用戶進(jìn)行錄音和播放；除此之外，還創(chuàng)新性地集成了輕量級(jí)的語(yǔ)音識(shí)別功能，支持30個(gè)命令詞的識(shí)別。

內(nèi)置的30個(gè)語(yǔ)音識(shí)別命令詞

手冊(cè)說(shuō)如果需要定制命令詞需要跟廠家聯(lián)系，我體驗(yàn)了一下，識(shí)別的準(zhǔn)確率不是很高。
如果需要語(yǔ)音識(shí)別功能，可以使用LD3320模塊，參考網(wǎng)文：

LD3320語(yǔ)音識(shí)別模塊：LDV7模塊使用詳解
如果需要錄音模塊，建議使用ISD系列錄音芯片，參考網(wǎng)文：

簡(jiǎn)單好用的ISD1820語(yǔ)音錄放芯片

為了使用方便，我們可以直接購(gòu)買(mǎi)現(xiàn)成的XFS5152CE語(yǔ)音合成模塊。

通訊接口

XFS5152CE 芯片支持 UART 接口、I2C 接口、SPI 接口三種通訊方式，可通過(guò) UART 接口、 I2C 或 SPI 接口接收上位機(jī)發(fā)送的命令和數(shù)據(jù)，允許發(fā)送數(shù)據(jù)的最大長(zhǎng)度為 4K字節(jié)。

用戶在使用語(yǔ)音編解碼功能時(shí)（通訊接口必須選擇 UART 接口，并且波特率設(shè)置為 115200bps），上位機(jī)發(fā)送啟動(dòng)編解碼的命令給語(yǔ)音芯片，芯片內(nèi)部的語(yǔ)音編解碼模塊把采集到的音頻數(shù)據(jù)進(jìn)行編碼并通過(guò)UART接口實(shí)時(shí)傳送給上位機(jī)，或者對(duì)上位機(jī)傳送來(lái)的音頻數(shù)據(jù)進(jìn)行解碼并實(shí)時(shí)播放出來(lái)。

接線方式

• PC上使用官方演示程序《科大訊飛語(yǔ)音合成芯片PC端演示程序》，使用串口通信進(jìn)行測(cè)試的接線方式如下：
  

  
  

• 如果使用單片機(jī)與XFS5152CE語(yǔ)音合成模塊聯(lián)用，模塊的8腳和10腳與STM32的串口交叉連接（我使用的是串口2），7腳用于判斷語(yǔ)音模塊當(dāng)前的狀態(tài)，原理圖如下所示：
  

注意：

• 關(guān)于功放引腳4腳和6腳：可以根據(jù)喇叭的功率來(lái)選擇相應(yīng)功率的功放，比如5W以內(nèi)喇叭可以選擇單聲道功放XPT8871、LTK5128，15W的喇叭可以選擇TDA7297等雙聲道功放；

• 關(guān)于語(yǔ)音識(shí)別：只有使用語(yǔ)音識(shí)別功能的時(shí)候才需要接咪頭（如：9767型咪頭），且只能識(shí)別芯片指定的30條命令詞；

• 通過(guò)模塊板子上的撥碼開(kāi)關(guān)選擇波特率，如撥到"√XX√"表示9600，模塊的通訊比特率要跟上位機(jī)或者與之相連的單片機(jī)的比特率一致；

• 3.3V供電。

  
  

1. 串口初始化

參考網(wǎng)文：

STM32F103 串口的使用方法

uart2_init(115200);

通過(guò)撥碼開(kāi)關(guān)設(shè)置波特率為：115200

2. 工作狀態(tài)指示輸出引腳初始化

/BSY引腳用于指示當(dāng)前的工作狀態(tài)，低電平代表Ready狀態(tài)，高電平代表Busy狀態(tài)。
用單片機(jī)的一個(gè)GPIO與之相連，可以讀取該IO的輸入狀態(tài)，即可獲取當(dāng)前模塊處于的工作狀態(tài)。

#define U5152_BSY  GPIO_ReadInputDataBit(GPIOA,GPIO_Pin_0) void U5152_Init(void){ GPIO_InitTypeDef GPIO_InitStructure;  RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOA,ENABLE);  //U5152_BSY GPIO_InitStructure.GPIO_Pin  = GPIO_Pin_0;              //PA0 GPIO_InitStructure.GPIO_Mode = GPIO_Mode_IPU;   //設(shè)置成上拉輸入 GPIO_Init(GPIOA, &GPIO_InitStructure);                      //初始化GPIOA0 }

3. 封裝播報(bào)語(yǔ)音函數(shù)

控制標(biāo)識(shí)需要按照語(yǔ)音合成命令的格式發(fā)送，控制標(biāo)記作為文本進(jìn)行合成，即合成命令是“幀頭 + 數(shù)據(jù)區(qū)長(zhǎng)度 + 合成命令字 + 文本編碼格式 + 控制標(biāo)記文本”的格式。

語(yǔ)音合成命令幀示例：

• 
  

/************************************************************ 名    稱(chēng)：YS-XFS5051 文本合成函數(shù)* 功    能：發(fā)送合成文本到XFS5051芯片進(jìn)行合成播放* 入口參數(shù)：*HZdata:文本指針變量* 出口參數(shù)：* 說(shuō)    明：本函數(shù)只用于文本合成，具備背景音樂(lè)選擇。默認(rèn)波特率9600bps。* 調(diào)用方法：例：SYN_FrameInfo（“歡迎關(guān)注微信公眾號(hào)：程序員小哈”）；**********************************************************/void XFS_FrameInfo(char *HZdata){ /****************需要發(fā)送的文本**********************************/ unsigned  char  Frame_Info[50]; //定義的文本長(zhǎng)度  xdata unsigned  int  HZ_Length;  HZ_Length =strlen(HZdata);             //需要發(fā)送文本的長(zhǎng)度  /*****************幀固定配置信息**************************************/ Frame_Info[0] = 0xFD ;                 //構(gòu)造幀頭FD Frame_Info[1] = 0x00 ;                 //構(gòu)造數(shù)據(jù)區(qū)長(zhǎng)度的高字節(jié) Frame_Info[2] = HZ_Length+2;      //構(gòu)造數(shù)據(jù)區(qū)長(zhǎng)度的低字節(jié) Frame_Info[3] = 0x01 ;                //構(gòu)造命令字：合成播放命令 Frame_Info[4] = 0x01;                  //文本編碼格式：GBK /*******************發(fā)送幀信息***************************************/ memcpy(&Frame_Info[5], HZdata, HZ_Length); USART2_OUT(Frame_Info,5+HZ_Length); //發(fā)送幀配置}

4. 播報(bào)當(dāng)前時(shí)間語(yǔ)音

• 
  

while(U5152_BSY){}sprintf((char*)dtbuf,"[v5][s5][m55]當(dāng)前時(shí)間為%02d時(shí)%02d分%02d秒",NowHour,NowMinute,NowSecond);XFS_FrameInfo((char*)dtbuf) ;delay_ms(10); while(U5152_BSY){}

5. 文本控制標(biāo)記

XFS5152CE 芯片的語(yǔ)音合成功能支持多種文本控制標(biāo)記，可以滿足用戶對(duì)語(yǔ)音合成發(fā)音人、音量、語(yǔ)速、語(yǔ)調(diào)等的設(shè)置。文本控制標(biāo)記的格式一般是半角中括號(hào)（即“[]”）內(nèi)一個(gè)小寫(xiě)字母、一個(gè)阿拉伯?dāng)?shù)字，如：[m3]為使用女聲的發(fā)音人小燕。

文本控制標(biāo)記舉例

sprintf((char*)dtbuf,"[v5][s5][m3]當(dāng)前時(shí)間為%02d時(shí)%02d分%02d秒 \r\n",NowHour,NowMinute,NowSecond);

[v5]：代表音量值，有效范圍為：0~10；

[s5]：為語(yǔ)速值，取值范圍為：0~10；

[m3]：選擇發(fā)音人為小燕（女聲）

總結(jié)

• 模塊優(yōu)點(diǎn)，文字轉(zhuǎn)語(yǔ)音很方便，很靈活

• 價(jià)格較貴，所以我們很多情況不需要功能這么強(qiáng)大的TTS語(yǔ)音模塊，有些場(chǎng)景，我們甚至沒(méi)有必要購(gòu)買(mǎi)TTS語(yǔ)音模塊，比如語(yǔ)音開(kāi)發(fā)中常見(jiàn)的費(fèi)用催繳，撥通后播放：“尊敬的客戶，您本月的費(fèi)用是：212元”，前面部分對(duì)所有客戶都一樣，錄一個(gè)語(yǔ)音文件就是了，而數(shù)字的合成是很簡(jiǎn)單的，你只要錄制好10個(gè)數(shù)字語(yǔ)音，再加上十，百，千，萬(wàn)，再加上金錢(qián)的單位“元”即可。

?