为应用程序加上语音能力有什么好处呢？粗略地讲，是为了趣味，它适合所有注重趣味的应用，比如游戏。当然，从更严肃的角度来讲，它还涉及到应用的可用性问题。注意，这里我考虑的不仅是可视化界面固有的不足，而且还有这样一些情形：一些时候，让双眼离开当前的工作很不方便，甚至是不合法的。比如，假设有一个带语音功能的浏览器，你就可以在外出散步或开车上班的同时，用听的方式浏览自己喜爱的网站。从目前来看，邮件阅读器或许是语音技术更实际的应用，在JavaMail API的帮助下，这一切已经可能。邮件阅读器可以定期地检查收件箱，然后用语音“You have new mail, would you like me to read it to you?”引起你的注意。按照类似的思路，我们还可以考虑一个带语音功能的提醒器，把它连接到一个日历应用：它会及时地提醒你“Don't forget your meeting with the boss in 10 minutes!”。 也许你已经被这些主意吸引，或者有了自己更好的主意，现在让我们继续。首先我将介绍如何启用本文提供的语音引擎，这样，如果你认为语音引擎的实现细节过于复杂，就可以直接使用它而忽略其实现细节。
创新互联公司 - 雅安电信机房，四川服务器租用，成都服务器租用，四川网通托管,绵阳服务器托管，德阳服务器托管，遂宁服务器托管，绵阳服务器托管，四川云主机，成都云主机，西南云主机，雅安电信机房，西南服务器托管，四川/成都大带宽，大带宽服务器，四川老牌ＩＤＣ服务商
一、试用语音引擎 要使用这个语音引擎，你必须在CLASSPATH中加入本文提供的javatalk.jar文件，然后从命令行运行（或者从Java程序调用）com.lotontech.speech.Talker类。如果从命令行运行，则命令为： java com.lotontech.speech.Talker "h|e|l|oo" 如果从Java程序调用，则代码为： com.lotontech.speech.Talker talker=new com.lotontech.speech.Talker(); talker.sayPhoneWord("h|e|l|oo"); 现在，对于在命令行上（或者调用sayPhoneWord()方法时）提供的“h|e|l|oo”字符串，你或许有所不解。下面我就来解释一下。 语音引擎的工作原理是把细小的声音样本连接起来，每一个样本都是人的语言发音（英语）的一个最小单位。这些声音样本称为音素（allophone）。每一个因素对应一个、二个或者三个字母。从前面“hello”的语音表示可以看出，一些字母组合的发音显而易见，还有一些却不是很明显： h -- 读音显而易见 e -- 读音显而易见 l -- 读音显而易见，但注意两个“l”被简缩成了一个“l”。 OO -- 应该读作“hello”中的读音，不应读作“bot”、“too”中的读音。 下面是一个有效音素的清单： a ： 如cat b ： 如cab c ： 如cat d ： 如dot e ： 如bet f ： 如frog g ： 如frog h ： 如hog i ： 如pig j ： 如jig k ： 如keg l ： 如leg m ： 如met n ： 如begin o ： 如not p ： 如pot r ： 如rot s ： 如sat t ： 如sat u ： 如put v ： 如have w ： 如wet y ： 如yet z ： 如zoo aa ： 如fake ay ： 如hay ee ： 如bee ii ： 如high oo ： 如go bb ： b的变化形式，重音不同 dd ： d的变化形式，重音不同 ggg ： g的变化形式，重音不同 hh ： h的变化形式，重音不同 ll ： l的变化形式，重音不同 nn ： n的变化形式，重音不同 rr ： r的变化形式，重音不同 tt ： t的变化形式，重音不同 yy ： y的变化形式，重音不同 ar ： 如car aer ： 如care ch ： 如which ck ： 如check ear ： 如beer er ： 如later err ： 如later (长音) ng ： 如feeding or ： 如law ou ： 如zoo ouu ： 如zoo (长音) ow ： 如cow oy ： 如boy sh ： 如shut th ： 如thing dth ： 如this uh ： u 的变化形式 wh ： 如where zh ： 如Asian 人说话的时候，语音在整个句子之内起落变化。语调变化使得语音更自然、更富有感染力，使得问句和陈述句能够相互区别。请考虑下面两个句子： It is fake -- f|aa|k Is it fake? -- f|AA|k 也许你已经猜想到，提高语调的方法是使用大写字母。 以上就是使用该软件时你需要了解的东西。如果你对其后台实现细节感兴趣，请继续阅读。
二、实现语音引擎 语音引擎的实现只包括一个类，四个方法。它利用了J2SE 1.3包含的Java Sound API。在这里，我不准备全面地介绍这个API，但你可以通过实例学习它的用法。Java Sound API并不是一个特别复杂的API，代码中的注释将告诉你必须了解的知识。 下面是Talker类的基本定义： package com.lotontech.speech; import javax.sound.sampled.*; import java.io.*; import java.util.*; import java点虐 .*; public class Talker { private SourceDataLine line=null; } 如果从命令行执行Talker，下面的main()方法将作为入口点运行。main()方法获取第一个命令行参数，然后把它传递给sayPhoneWord()方法： /* * 读出在命令行中指定的表示读音的字符串 */ public static void main(String args[]) { Talker player=new Talker(); if (args.length0) player.sayPhoneWord(args[0]); System.exit(0); }
sayPhoneWord()方法既可以通过上面的main()方法调用，也可以在Java程序中直接调用。从表面上看，sayPhoneWord()方法比较复杂，其实并非如此。实际上，它简单地遍历所有单词的语音元素（在输入字符串中语音元素以“|”分隔），通过一个声音输出通道一个元素一个元素地播放出来。为了让声音更自然一些，我把每一个声音样本的结尾和下一个声音样本的开头合并了起来： /* * 读出指定的语音字符串 */ public void sayPhoneWord(String word) { // 为上一个声音构造的模拟byte数组 byte[] previousSound=null; // 把输入字符串分割成单独的音素 StringTokenizer st=new StringTokenizer(word,"|",false); while (st.hasMoreTokens()) { // 为音素构造相应的文件名字 String thisPhoneFile=st.nextToken(); thisPhoneFile="/allophones/"+thisPhoneFile+".au"; // 从声音文件读取数据 byte[] thisSound=getSound(thisPhoneFile); if (previousSound!=null) { // 如果可能的话，把前一个音素和当前音素合并 int mergeCount=0; if (previousSound.length=500 thisSound.length=500) mergeCount=500; for (int i=0; i { previousSound[previousSound.length-mergeCount+i] =(byte)((previousSound[previousSound.length -mergeCount+i]+thisSound[i])/2); } // 播放前一个音素 playSound(previousSound); // 把经过截短的当前音素作为前一个音素 byte[] newSound=new byte[thisSound.length-mergeCount]; for (int ii=0; ii newSound[ii]=thisSound[ii+mergeCount]; previousSound=newSound; } else previousSound=thisSound; } // 播放最后一个音素，清理声音通道 playSound(previousSound); drain(); } 在sayPhoneWord()的后面，你可以看到它调用playSound()输出单个声音样本（即一个音素），然后调用drain()清理声音通道。下面是playSound()的代码： /* * 该方法播放一个声音样本 */ private void playSound(byte[] data) { if (data.length0) line.write(data, 0, data.length); } 下面是drain()的代码： /* * 该方法清理声音通道 */ private void drain() { if (line!=null) line.drain(); try {Thread.sleep(100);} catch (Exception e) {} }
现在回过头来看sayPhoneWord()，这里还有一个方法我们没有分析，即getSound()方法。 getSound()方法从一个au文件以字节数据的形式读入预先录制的声音样本。要了解读取数据、转换音频格式、初始化声音输出行（SouceDataLine）以及构造字节数据的详细过程，请参考下面代码中的注释： /* * 该方法从文件读取一个音素， * 并把它转换成byte数组 */ private byte[] getSound(String fileName) { try { URL url=Talker.class.getResource(fileName); AudioInputStream stream = AudioSystem.getAudioInputStream(url); AudioFormat format = stream.getFormat(); // 把一个ALAW/ULAW声音转换成PCM以便回放 if ((format.getEncoding() == AudioFormat.Encoding.ULAW) || (format.getEncoding() == AudioFormat.Encoding.ALAW)) { AudioFormat tmpFormat = new AudioFormat( AudioFormat.Encoding.PCM_SIGNED, format.getSampleRate(), format.getSampleSizeInBits() * 2, format.getChannels(), format.getFrameSize() * 2, format.getFrameRate(), true); stream = AudioSystem.getAudioInputStream(tmpFormat, stream); format = tmpFormat; } DataLine.Info info = new DataLine.Info( Clip.class, format, ((int) stream.getFrameLength() * format.getFrameSize())); if (line==null) { // 输出线还没有实例化 // 是否能够找到合适的输出线类型？ DataLine.Info outInfo = new DataLine.Info(SourceDataLine.class, format); if (!AudioSystem.isLineSupported(outInfo)) { System.out.println("不支持匹配" + outInfo + "的输出线"); throw new Exception("不支持匹配" + outInfo + "的输出线"); } // 打开输出线 line = (SourceDataLine) AudioSystem.getLine(outInfo); line.open(format, 50000); line.start(); } int frameSizeInBytes = format.getFrameSize(); int bufferLengthInFrames = line.getBufferSize() / 8; int bufferLengthInBytes = bufferLengthInFrames * frameSizeInBytes; byte[] data=new byte[bufferLengthInBytes]; // 读取字节数据，并计数 int numBytesRead = 0; if ((numBytesRead = stream.read(data)) != -1) { int numBytesRemaining = numBytesRead; } // 把字节数据切割成合适的大小 byte[] newData=new byte[numBytesRead]; for (int i=0; i newData[i]=data[i]; return newData; } catch (Exception e) { return new byte[0]; } } 这就是全部的代码，包括注释在内，一个大约150行代码的语音合成器。
三、文本-语音转换 以语音元素的格式指定待朗读的单词似乎过于复杂，如果要构造一个能够朗读文本（比如Web页面或Email）的应用，我们希望能够直接指定原始的文本。 深入分析这个问题之后，我在本文后面的ZIP文件中提供了一个试验性的文本-语音转换类。运行这个类，它将显示出分析结果。文本-语音转换类可以从命令行执行，如下所示： java com.lotontech.speech.Converter "hello there" 输出结果类如： hello - h|e|l|oo there - dth|aer 如果运行下面这个命令： java com.lotontech.speech.Converter "I like to read JavaWorld" 则输出结果为： i - ii like - l|ii|k to - t|ouu read - r|ee|a|d java - j|a|v|a world - w|err|l|d 这个转换类是如何工作的呢？实际上，我的方法相当简单，转换过程就是以一定的次序应用一组文本替换规则。例如对于单词“ant”、“want”、“wanted”、“unwanted”和“unique”，则我们想要应用的替换规则可能依次为： 用“|y|ou|n|ee|k|”替换“*unique*” 用“|w|o|n|t|”替换“*want*” 用“|a|”替换“*a*” 用“|e|”替换“*e*” 用“|d|”替换“*d*” 用“|n|”替换“*n*” 用“|u|”替换“*u*” 用“|t|”替换“*t*” 对于“unwanted”，输出序列为： unwanted un[|w|o|n|t|]ed (规则2) [|u|][|n|][|w|o|n|t|][|e|][|d|] (规则4、5、6、7) u|n|w|o|n|t|e|d (删除多余的符之后) 你将看到包含字母“wont”的单词和包含字母“ant”的单词以不同的方式发音，还将看到在特例规则的作用下，“unique”作为一个完整单词优先于其他规则，从而“unique”这个单词读作“y|ou...”而不是“u|n...”。
您好，1 双方之间的网络连接
Java在这方面有其独特的优势，Java提供了丰富的网络类库的支持，可以轻松编写多种类型的网络通信程序。在我下面的例子中我就使用了TCP/IP协议，通过Java的Socket类进行编程。
2 音频信号的采集和回放以及音频数字信号的编码与解码
在解决这两个问题的时候，在网上很幸运地通过一些文章的介绍，找到了Answer Machine 演示程序的源代码（由of jsresources.org的Florian Bomers 和Matthias Pfisterer编写，网址）。在这个程序代码中，有几个解决我们问题所需要的类，而且作者将这些类封装的很好，我们基本不需要做什么改动，只需要屏蔽其中的调试信息的输出就行了，更可贵的是它还封装了几种常见的音频格式。其中的GSM格式（Global System for Mobile Telecommunications）就是我们下面例子中采用的压缩格式，GSM格式可以将128kbps 的音频数据流 (16bit通过8k Hz的音频采样) 压缩为13kbps 的音频数据流，非常适合语音信号的传送，所以可谓是一石二鸟。
我分析过这几个类的源代码，不得不佩服它的作者，每个类的源代码都很精炼，大家可以自己分析一下。好了下面就给大家讲讲这几个类，并且将它们用到的Java Sound API中的类和函数等一并做个简单介绍，让大家对Java Sound API中常用的类也有个大致的了解。由于Java Sound API中的类比较多。限于篇幅无法对所有用到的类做详尽的解释，以下内容只是简单提及了各个类的用途和使用规范，有关Java Sound API中类的具体介绍请大家访问这里， 查找javax.sound.sampled的相关内容。
以下的提到几个文件是从Answer Machine 演示程序的源代码中提取出来的，由于是开放源代码的程序，大家在使用的时候请注意相关的公共协议。
① AMAudioFormat类(封装在AMAudioFormat.java文件中)
AMAudioFormat类封装了CD、FM、TELEPHONE、GSM这四种质量的音频格式的参数，使用起来也非常简单，这样我们在使用Java Sound API时就不用自己去写那些复杂的代码了，但为了明白Java Sound API的原理，我们需要对它的代码做一下分析。它使用了Java Sound API中的AudioFormat这个类，这个类非常重要，在Java中对任何音频数据的使用都要实现通过它指定所需要使用的音频格式，AudioFormat类有一个嵌套的类AudioFormat.Encoding，实际上大部分对AudioFormat类的使用都是使用的这个嵌套的类。
AMAudioFormat类的重要方法：
名称：getLineAudioFormat
调用格式：getLineAudioFormat（整型音频格式代号）
返回值： 根据传递音频格式代号生成的AudioFormat对象。
说道这里大家可能要问了，那么通过Java Sound API可以直接使用GSM格式吗？答案是比较复杂，但同样有解决的办法，作者在这里使用了另外的开源程序的类库－tritonus的GSM编码解码库。大家需要在这里下载tritonous_share.jar和tritonus_gsm.jar两个文件，并在AMAudioFormat类中引用，这样就完成了GSM格式的设置。需要告诉大家的是在对AMAudioFormat.java这个类进行编译后，我们的程序运行的时候就可以不需要tritonous_share.jar和tritonus_gsm.jar这两个文件的支持了。
② AudioCapture类(封装在AudioCapture.java文件中)
AudioCapture类封装了从音频硬件捕获音频数据并自动编码为GSM音频压缩数据的过程，并且通过它的getAudioInputStream()方法提供给我们一个音频数据输入流，我们就可以直接将这个流发送到网络中。
AudioCapture 类的重要方法：
名称：getAudioInputStream
调用格式：getAudioInputStream()
返回值：AudioInputStream对象
AudioCapture 类使用了Java Sound API中的AudioInputStream、AudioFormat、AudioSystem这几个类和TargetDataLine、LineListener接口。除了AudioFormat类我再简单介绍一下其他的类：
AudioInputStream 类是带有特殊音频格式和长度的InputStream类，它有两个构造方法，分别是AudioInputStream(InputStream stream, AudioFormat format,long length)和AudioInputStream(TargetData -Line line)。
TargetDataLine 接口是DataLine接口的一种，通过它就可以直接从音频硬件获取数据了，它有几个常用的方法，分别是：open(AudioFormat format)、void open(AudioFormat format, int bufferSize)、int read(byte[] b, int off, int len)。
AudioSystem 类是Java标准音频系统的入口点，在AudioSystem 类中使用他的getLine（） 方法创建TargetDataLine对象。
LineListener接口用来对线路状态改变的时间进行监听，他的重要的方法是update(LineEvent event)方法。
③ AudioPlayStream类(封装在AudioPlayStream.java文件中)
AudioPlayStream类与AudioCapture类刚好相反，它封装了GSM压缩音频数据的解码和音频信号的回放过程，提供给我们一个音频信号输出流。AudioCapture类用到的Java Sound API中的类它也基本都用到了，只是它使用了SourceDataLine接口而不是TargetDataLine接口
④ Debug类(封装在Debug.java文件中)
Debug类主要用来在调试时输出讯息，代码很少，后来我把其中输出信息的语句都屏蔽了，对程序运行没有影响。
为了方便使用以上的几个类，我们需要对它们进行编译和打包，编译时需要设置相关的编译环境，以下是我们需要用到的命令行
set CLASSPATH=%CLASSPATH%;.;tritonus_gsm.jar;tritonus_share.jar
javac am*.java amaudio*.java
jar cmf packagingmanifest.mf am.jar am*.class
amaudio*.class
说明一下，我将以上提到的Java源码文件放在了am目录下，编译之后可以得到一个8k的am.jar文件，我们下一步所需要做的就是在我们的程序中引用这个包。
在 applet 中播放声音文件非常简单，一般需要以下步骤：创建一个 AudioClip 对象
装入 .au 声音文件到 AudioClip 对象
一次播放或者不停循环播放声音
停止播放
下面是相应的代码：import java.applet.*;AudioClip ac = getAudioClip(getCodeBase(), soundFile);
ac.play(); //play once
ac.stop(); //stop playing
解决这个问题的窍门是利用由 Sun 及 其JDK 提供的某些 undocumented 的特征。先看看 Sun JDK 中的文件 classes.zip （使用任何解压工具即可），发现其中不仅包含标准的 Java 包如 java.applet 而且还存在包 sun.audio. (在 sun/audio 的目录下.)
包 sun.audio 中包含了用于播放声音文件所需的所有东西!下面是示例代码：import sun.audio.*; //import the sun.audio package
import java.io.*;//** add this into your application code as appropriate// Open an input stream to the audio file.
InputStream in = new FileInputStream(Filename);// Create an AudioStream object from the input stream.
AudioStream as = new AudioStream(in);// Use the static class member "player" from class AudioPlayer to play
// clip.
AudioPlayer.player.start(as);// Similarly, to stop the audio.
AudioPlayer.player.stop(as);如果要用一个 URL 做为声音流的源(source)，则用下面的代码所示替换输入流来创建声音流：AudioStream as = new AudioStream (url.openStream());如果需要持续播放声音文件，则要稍稍复杂一点：// Create audio stream as discussed previously.
// Create AudioData source.
AudioData data = as.getData();// Create ContinuousAudioDataStream.
ContinuousAudioDataStream cas = new ContinuousAudioDataStream (data);// Play audio.
