TTS能力

以下描述了如何使用灵云TTS能力。

1. TTS简介

TTS (Text To Speech) 语音合成技术，能将文字信息实时转化为各种不同音色的声音。

2. 选择模块和能力

灵云可以提供云端和本地端的合成能力 无论使用云端或本地端的合成能力，基础模块 hci_tts都是需要的。 需要使用云端能力时，需要加上hci_tts_cloud_synth模块； 需要使用本地端能力时，需要加上hci_tts_local_synth模块； 需要使用本地歌唱能力时，需要加上hci_tts_local_synth_sing模块；

如果使用本地合成引擎，需要访问相应的本地音库。具体某种能力需要的本地音库，可参见 能力列表 。

3. 语音合成

通过 hci_tts_synth() 来进行语音合成，示例如下：

char * pszConfig = "";

// 合成文本是UTF8编码，有些平台需要转换
char * pszText = "要合成的文本";

// 打开一个可写文件，将文件句柄当成自定义参数传给合成函数
FILE * fp = fopen("out.pcm", "w");

// 提供一个回调函数指针
errCode = hci_tts_synth(nSessionId, pszText, pszConfig, TtsSynthCallbackFunction, fp);

fclose(fp);

回调函数的示例如下：

bool HCIAPI TtsSynthCallbackFunction(void * pvUserParam,
        TTS_SYNTH_RESULT * psTtsSynthResult,
        HCI_ERR_CODE  hciErrCode)
{
        if( hciErrCode != HCI_ERR_NONE )
        {
                return false;
        }

        // 这里的pvUserParam 就是 hci_tts_synth()时传入的最后一个参数
        FILE * fp = (FILE *)pvUserParam;

        if (psTtsSynthResult->pvVoiceData!= NULL && psTtsSynthResult->uiVoiceSize != 0)
        {
                // 将合成结果写入文件
                fwrite(psTtsSynthResult->pvVoiceData, psTtsSynthResult->uiVoiceSize, 1, fp);
        }

        // 此回调函数返回false会中止合成，返回true表示继续合成
        return true;
}

合成函数是通过回调函数的方式给出数据，但仍然是同步方式，也即只有所有数据都通过回调函数给出后，合成函数才会返回。 因此如果需要响应用户界面操作等，需要将此函数放在一个独立的线程中进行。

合成是分段进行的，在合成过程中会调用多次回调函数，每次给出部分数据。在回调函数的TTS_SYNTH_RESULT参数中， 其pszText为当前正在合成文本段的首地址， 如果当前文本段的合成数据需要多次回调， 则只在第一次回调时给出该文本段的信息，其余回调中，该地址为NULL。

合成的过程中，也有可能出现某个回调没有声音数据返回，即pvVoiceData可能为NULL或者uiVoiceSize为0的情况， 这是正常的，简单忽略即可。

回调函数传入的数据，在退出回调函数后，不保证继续有效，因此，如果需要继续使用这些数据， 需要开发者自行将数据拷贝出去。

回调函数返回false会中止合成，而返回true则会继续合成。可以利用这一特性实现中断合成的操作。

4. 合成选项

主要支持的合成选项如下：

1. pitch, speed, volume
   分别对应基频、语速、音量，这些配置项可用于调节合成语音的效果，一般情况下取默认值即可。
   
   
2. audioFormat
   输出的语音格式，根据云端或本地合成不同，支持的语音格式不一样，可根据需要选择。
   
   
3. encode, encLevel
   如果是云端合成，可以使用音频压缩配置，以便让云端对合成的音频数据进行压缩后再进行传输，以节省网络流量。 另外，可以使用encLevel选项，来调节音频压缩的级别， 以便在传输流量和音频质量之间达到平衡。具体编解码库使用上的说明参见 音频编解码库。
   当本地合成时，不支持这两个配置项，将会直接忽略。当云端合成但audioFormat为vox6k4bit/vox8k4bit/mp3时， 也会忽略这两个配置项，数据会直接使用vox或mp3格式传输，不再另行启动encode指定的压缩。
   这一选项只影响传输过程，在数据传输到客户端后，灵云SDK会将数据转换为audioFormat选项指定的格式， 因此在回调函数中获取的数据格式，仍然是audioFormat指定的格式。
   
   
4. 其它配置
   例如数字读法(digitMode), 标点符号读法(puncMode)等，请参见 hci_tts_synth()的说明。 要注意的是，这些参数和不同的合成引擎相关，不同的引擎支持的配置项不完全一致，具体请参见《灵云能力列表》文档。