文字轉語音java

1. java使用Sapi.SpVoice完成語音朗讀，如何選擇語音庫

做語音的話，應該聽說過訊飛吧，可以去了解下訊飛的API

2. 在java程序中加入語音功能，例如給段字元串「A101」，就能發出聲音，請大家幫幫忙，謝謝

為應用程序加上語音能力有什麼好處呢？粗略地講，是為了趣味，它適合所有注重趣味的應用，比如游戲。當然，從更嚴肅的角度來講，它還涉及到應用的可用性問題。注意，這里我考慮的不僅是可視化界面固有的不足，而且還有這樣一些情形：一些時候，讓雙眼離開當前的工作很不方便，甚至是不合法的。比如，假設有一個帶語音功能的瀏覽器，你就可以在外出散步或開車上班的同時，用聽的方式瀏覽自己喜愛的網站。從目前來看，郵件閱讀器或許是語音技術更實際的應用，在JavaMail API的幫助下，這一切已經可能。郵件閱讀器可以定期地檢查收件箱，然後用語音「You have new mail, would you like me to read it to you?」引起你的注意。按照類似的思路，我們還可以考慮一個帶語音功能的提醒器，把它連接到一個日歷應用：它會及時地提醒你「Don't forget your meeting with the boss in 10 minutes!」。 也許你已經被這些主意吸引，或者有了自己更好的主意，現在讓我們繼續。首先我將介紹如何啟用本文提供的語音引擎，這樣，如果你認為語音引擎的實現細節過於復雜，就可以直接使用它而忽略其實現細節。
一、試用語音引擎 要使用這個語音引擎，你必須在CLASSPATH中加入本文提供的javatalk.jar文件，然後從命令行運行（或者從Java程序調用）com.lotontech.speech.Talker類。如果從命令行運行，則命令為： java com.lotontech.speech.Talker "h|e|l|oo" 如果從Java程序調用，則代碼為： com.lotontech.speech.Talker talker=new com.lotontech.speech.Talker(); talker.sayPhoneWord("h|e|l|oo"); 現在，對於在命令行上（或者調用sayPhoneWord()方法時）提供的「h|e|l|oo」字元串，你或許有所不解。下面我就來解釋一下。 語音引擎的工作原理是把細小的聲音樣本連接起來，每一個樣本都是人的語言發音（英語）的一個最小單位。這些聲音樣本稱為音素（allophone）。每一個因素對應一個、二個或者三個字母。從前面「hello」的語音表示可以看出，一些字母組合的發音顯而易見，還有一些卻不是很明顯： h -- 讀音顯而易見 e -- 讀音顯而易見 l -- 讀音顯而易見，但注意兩個「l」被簡縮成了一個「l」。 OO -- 應該讀作「hello」中的讀音，不應讀作「bot」、「too」中的讀音。 下面是一個有效音素的清單： 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的變化形式，重音不同 dd ： d的變化形式，重音不同 ggg ： g的變化形式，重音不同 hh ： h的變化形式，重音不同 ll ： l的變化形式，重音不同 nn ： n的變化形式，重音不同 rr ： r的變化形式，重音不同 tt ： t的變化形式，重音不同 yy ： y的變化形式，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 (長音) ng ： 如feeding or ： 如law ou ： 如zoo ouu ： 如zoo (長音) ow ： 如cow oy ： 如boy sh ： 如shut th ： 如thing dth ： 如this uh ： u 的變化形式 wh ： 如where zh ： 如Asian 人說話的時候，語音在整個句子之內起落變化。語調變化使得語音更自然、更富有感染力，使得問句和陳述句能夠相互區別。請考慮下面兩個句子： It is fake -- f|aa|k Is it fake? -- f|AA|k 也許你已經猜想到，提高語調的方法是使用大寫字母。 以上就是使用該軟體時你需要了解的東西。如果你對其後台實現細節感興趣，請繼續閱讀。
二、實現語音引擎 語音引擎的實現只包括一個類，四個方法。它利用了J2SE 1.3包含的Java Sound API。在這里，我不準備全面地介紹這個API，但你可以通過實例學習它的用法。Java Sound API並不是一個特別復雜的API，代碼中的注釋將告訴你必須了解的知識。 下面是Talker類的基本定義： package com.lotontech.speech; import javax.sound.sampled.*; import java.io.*; import java.util.*; import java.net.*; public class Talker { private SourceDataLine line=null; } 如果從命令行執行Talker，下面的main()方法將作為入口點運行。main()方法獲取第一個命令行參數，然後把它傳遞給sayPhoneWord()方法： /* * 讀出在命令行中指定的表示讀音的字元串 */ public static void main(String args[]) { Talker player=new Talker(); if (args.length>0) player.sayPhoneWord(args[0]); System.exit(0); }
sayPhoneWord()方法既可以通過上面的main()方法調用，也可以在Java程序中直接調用。從表面上看，sayPhoneWord()方法比較復雜，其實並非如此。實際上，它簡單地遍歷所有單詞的語音元素（在輸入字元串中語音元素以「|」分隔），通過一個聲音輸出通道一個元素一個元素地播放出來。為了讓聲音更自然一些，我把每一個聲音樣本的結尾和下一個聲音樣本的開頭合並了起來： /* * 讀出指定的語音字元串 */ public void sayPhoneWord(String word) { // 為上一個聲音構造的模擬byte數組 byte[] previousSound=null; // 把輸入字元串分割成單獨的音素 StringTokenizer st=new StringTokenizer(word,"|",false); while (st.hasMoreTokens()) { // 為音素構造相應的文件名字 String thisPhoneFile=st.nextToken(); thisPhoneFile="/allophones/"+thisPhoneFile+".au"; // 從聲音文件讀取數據 byte[] thisSound=getSound(thisPhoneFile); if (previousSound!=null) { // 如果可能的話，把前一個音素和當前音素合並 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); } // 播放前一個音素 playSound(previousSound); // 把經過截短的當前音素作為前一個音素 byte[] newSound=new byte[thisSound.length-mergeCount]; for (int ii=0; ii newSound[ii]=thisSound[ii+mergeCount]; previousSound=newSound; } else previousSound=thisSound; } // 播放最後一個音素，清理聲音通道 playSound(previousSound); drain(); } 在sayPhoneWord()的後面，你可以看到它調用playSound()輸出單個聲音樣本（即一個音素），然後調用drain()清理聲音通道。下面是playSound()的代碼： /* * 該方法播放一個聲音樣本 */ private void playSound(byte[] data) { if (data.length>0) line.write(data, 0, data.length); } 下面是drain()的代碼： /* * 該方法清理聲音通道 */ private void drain() { if (line!=null) line.drain(); try {Thread.sleep(100);} catch (Exception e) {} }
現在回過頭來看sayPhoneWord()，這里還有一個方法我們沒有分析，即getSound()方法。 getSound()方法從一個au文件以位元組數據的形式讀入預先錄制的聲音樣本。要了解讀取數據、轉換音頻格式、初始化聲音輸出行（SouceDataLine）以及構造位元組數據的詳細過程，請參考下面代碼中的注釋： /* * 該方法從文件讀取一個音素， * 並把它轉換成byte數組 */ private byte[] getSound(String fileName) { try { URL url=Talker.class.getResource(fileName); AudioInputStream stream = AudioSystem.getAudioInputStream(url); AudioFormat format = stream.getFormat(); // 把一個ALAW/ULAW聲音轉換成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) { // 輸出線還沒有實例化 // 是否能夠找到合適的輸出線類型？ DataLine.Info outInfo = new DataLine.Info(SourceDataLine.class, format); if (!AudioSystem.isLineSupported(outInfo)) { System.out.println("不支持匹配" + outInfo + "的輸出線"); throw new Exception("不支持匹配" + outInfo + "的輸出線"); } // 打開輸出線 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]; // 讀取位元組數據，並計數 int numBytesRead = 0; if ((numBytesRead = stream.read(data)) != -1) { int numBytesRemaining = numBytesRead; } // 把位元組數據切割成合適的大小 byte[] newData=new byte[numBytesRead]; for (int i=0; i newData[i]=data[i]; return newData; } catch (Exception e) { return new byte[0]; } } 這就是全部的代碼，包括注釋在內，一個大約150行代碼的語音合成器。
三、文本-語音轉換 以語音元素的格式指定待朗讀的單詞似乎過於復雜，如果要構造一個能夠朗讀文本（比如Web頁面或Email）的應用，我們希望能夠直接指定原始的文本。 深入分析這個問題之後，我在本文後面的ZIP文件中提供了一個試驗性的文本-語音轉換類。運行這個類，它將顯示出分析結果。文本-語音轉換類可以從命令行執行，如下所示： java com.lotontech.speech.Converter "hello there" 輸出結果類如： hello -> h|e|l|oo there -> dth|aer 如果運行下面這個命令： java com.lotontech.speech.Converter "I like to read JavaWorld" 則輸出結果為： i -> ii like -> l|ii|k to -> t|ouu read -> r|ee|a|d java -> j|a|v|a world -> w|err|l|d 這個轉換類是如何工作的呢？實際上，我的方法相當簡單，轉換過程就是以一定的次序應用一組文本替換規則。例如對於單詞「ant」、「want」、「wanted」、「unwanted」和「unique」，則我們想要應用的替換規則可能依次為： 用「|y|ou|n|ee|k|」替換「*unique*」 用「|w|o|n|t|」替換「*want*」 用「|a|」替換「*a*」 用「|e|」替換「*e*」 用「|d|」替換「*d*」 用「|n|」替換「*n*」 用「|u|」替換「*u*」 用「|t|」替換「*t*」 對於「unwanted」，輸出序列為： unwanted un[|w|o|n|t|]ed (規則2) [|u|][|n|][|w|o|n|t|][|e|][|d|] (規則4、5、6、7) u|n|w|o|n|t|e|d (刪除多餘的符之後) 你將看到包含字母「wont」的單詞和包含字母「ant」的單詞以不同的方式發音，還將看到在特例規則的作用下，「unique」作為一個完整單詞優先於其他規則，從而「unique」這個單詞讀作「y|ou...」而不是「u|n...」。

3. java文字轉語音的jar包你能給我嗎

什麼意思？可以下啊：http://freetts.sourceforge.net/docs/index.php

4. 用java實現語音轉文本的功能你最後有實現沒啊

後來沒有做，當時從網上查了些資料，發現用C++做比較好，因為微軟提供了一個語音文本轉換開發包，我忘了叫什麼了，這個包是用C++寫的，提供了介面，好像調用一個方法就可以解決了，要不你研究下吧，你可以用C++寫一些，然後用java代碼調用，這個我也不會，你再研究下吧

5. 可否通過java調用sdk實現文字轉換成語音

目前有android平台的離線語音合成（文字轉語音）服務
使用的是java語言實現的。

6. Java有沒有語音處理的庫錄音，語音轉文字之類的

沒有的哦。不過想要將錄音或者語音轉換成文字的功能也是可以完成轉換的 。

當需要完成轉換的時候。在錄音轉文字助手這個工具上是可以完成轉換的。

在應用市場或者網路手機助手裡面能夠幫助完成轉換的哦。

7. java如何實現中文語音轉換文字

沒有直接的java類庫調用，只能通過JNI技術調用操作系統提供的TTS支持才能實現。

8. 想換手機！

聯想i921 2200元左右
規格參數
網路頻率： GSM/GPRS；900/1800MHz
尺寸/體積： 104×51×21.7mm
重 量 ： 124 克
屏幕參數： 26萬色TFT彩色屏幕；240×320像素，2.2英寸；
通話時間： 180-300 分鍾
待機時間： 80-150 小時
上市時間： 2006年
標准配置： 兩塊鋰電池（900mAh），旅行充電器，線控立體聲耳機，同步數據線+專用軟體光碟，座充，128M MINI SD卡，手機皮套，選配：立體聲音箱，藍牙耳機
價格等級： 未知

基本功能
『內置天線』 『時鍾』 『內置振動』 『錄音』
『MP3鈴聲』 『錄制鈴聲』 『情景模式』 『通話記錄』
『EFR STK服務』

中文輸入： 聯想式中文拼音/英文/數字/手寫
中文簡訊： SMS機身存儲500條，支持簡訊回執，支持預置簡訊
簡訊群發： SMS/MMS群發30條，支持簡訊群刪
超長簡訊： 支持長簡訊
多媒體簡訊： 彩信機身存儲80條
可選鈴聲： 15 首
和弦鈴聲： 128 和弦；支持mp3,midi,wav,mmf,amr格式
通話時間提示： 支持通話計時
話機通訊錄： 共1000條；支持名片式存儲，快速檢索
通訊錄群組： 支持電話本分組查找方式
內置游戲： 4 個；泡泡龍、俄羅斯方塊、貪吃蛇、氣球
待機圖片： 支持牆紙更換
圖形菜單： 支持菜單背景主題

高級功能
『下載圖鈴游戲』 『觸摸屏』 『視頻播放』

內存容量： 30M
多媒體卡擴展： MINI SD
WAP瀏覽器： WAP 2.0，支持WAP PUSH
Java擴展： JAVA 2.0 + JSR184，JAVA游戲：2D游戲2款 3D游戲2款
藍牙介面： 內置
數據線介面： 支持PC同步
手寫輸入： 支持全屏手寫輸入
攝像頭： 內置
攝像頭像素： 200萬像素
感測器類型： CMOS
閃光燈： 內置
變焦模式： 4倍數碼變焦
照片解析度： 6種尺寸可選
連拍： 支持
定時拍攝： 支持
拍攝模式： 拍攝環境：三種：通常、室內、夜景，5種可選亮度調整
照片特效： 普通、懷舊、黑白
照片質量： 超精細、精細、通常
視頻拍攝： 支持

MP3播放器： 內置

附加功能
『鬧鍾』 『計算器』 『記事本』 『日程表』
『世界時鍾』

日歷： 支持（支持農歷），支持周年紀念日
單位換算： 支持單位換算
貨幣換算： 支持匯率換算

更多信息
GPRS CLASS 10
內置3D立體聲喇叭

9. java web jacob 調用微軟語音庫獲取音頻流

生成 wav，然後網頁中嵌入

請參考生成wave的C#代碼

/// <summary>
/// 輸出WAV
/// </summary>
/// <param name="path">保存路徑</param>
/// <param name="str">要轉換的文本內容</param>
/// <returns></returns>
public bool WreiteToWAV(string path,string str,SpeechAudioFormatType SpAudioType)
{
SpeechStreamFileMode SpFileMode = SpeechStreamFileMode.SSFMCreateForWrite;
SpFileStream SpFileStream = new SpFileStream();
SpeechVoiceSpeakFlags SpFlags = SpeechVoiceSpeakFlags.SVSFlagsAsync;
SpAudioFormat SpAudio = new DotNetSpeech.SpAudioFormat();
SpAudio.Type = SpAudioType;
SpFileStream.Format = SpAudio;
SpFileStream.Open(path, SpFileMode, false);
voice.AudioOutputStream = SpFileStream;
voice.Speak(str, SpFlags);
voice.WaitUntilDone(Timeout.Infinite);
SpFileStream.Close();
return File.Exists(path);
}

10. java可以實現語音識別嗎

這個是可以實現的。
註：test.pcm是語音文件，可以用audacity軟體打開，選擇 文件->導入->裸數據。 設置采樣率為8000Hz。點擊播放就能聽見聲音了。
這個時候程序跑起來還有問題，需要將apiKey 以及secretKey填寫上。這兩個值是你申請應用對應的分配好的。
cuid填本機mac地址就可以了，這個值我試過好像無所謂沒啥要求。
程序能跑起來，並且按照正常返回識別的語音結果。但是返回結果的編碼為GBK，所以漢字顯示為亂碼，需要對其進行一次轉碼。轉碼的代碼是我自己加上去的