語音學習系統設計與實現

郁 峰（江蘇天創科技有限公司開發部，江蘇蘇州,215102)

語音學習系統設計與實現

郁 峰
（江蘇天創科技有限公司開發部，江蘇蘇州,215102)

通過介紹蘇州話的歷史和現狀，結合建立蘇州話學習系統可以很好地保留和發揚蘇州的傳統文化，最后從語言層面、技術層面描述了系統的設計、實現，具有很強的實用價值。

吳語方言；學習系統；MCI；DirectSound

1 研發背景

吳語方言的形成一般認為自泰伯奔吳，建立“句吳（勾吳）”開始，距今有3000多年。泰伯把中原發達的文化帶到了江南地區，使中原的語言和當時仍然是蠻夷之地的江南越人的語言結合，形成了上古吳語。隨著周朝的建立，漢語開始分化成夏、齊、楚、越四大方言，越方言就是使用上古吳語的地區大致也就是今天的江、浙、滬、皖地區。漢朝末年中國北方出現大動蕩，特別在南北朝后期，北方逃難來吳縣（即今蘇州）的中原人很多，這時上古吳語受到中原話的影響而逐漸演變成了中古吳語，由于吳縣又是南方的一座大城市，所以吳語對外的影響力是極大的。明清以后由于江南地區興旺發達，蘇州人讀書成風，以致當時上層社會中的精英有很多是蘇州籍人士，江南地區上層社會中大多數人以講蘇州話為榮，甚至不同地區的人在交流時同樣以講蘇州話為榮，所以明清時期成為吳語發展的鼎盛期。蘇州方言的發展目前正如首期“蘇州話師資培訓班”開班儀式上（《蘇州日報》2012年2月27日報道）市語委負責人介紹的那樣：蘇州方言一直深受人們的喜愛，但近20年來隨著人口的大流動、大遷移各種語言的混雜應用和普通話的普遍使用，現在的不少蘇州人已不會講流利的蘇州話，大多數新蘇州人基本上聽不懂蘇州話，更不會講蘇州話，蘇州方言正面臨削弱和消亡的危機。

近年來蘇州市十分重視吳文化的遺產保護與繁榮發展，特別是蘇州話的保護與發展，計劃在未來幾年總共培養1000名蘇州話教學師資，并在各級各類學校包括高校新增蘇州話必修課。隨著將來蘇州各級各類學校蘇州話課程的開設，通過讓青少年學習蘇州話、學說蘇州話，激發他們對蘇州文化的熱愛。預計本課程教材的教輔書也會陸續出版，供學習蘇州話的青少年和在蘇州求學、求職、經商、創業的新市民使用，如果我們把最近開發成功的“蘇州話學習系統”供需要學習蘇州話的人使用，將會極大地提高他們的學習效率和語言交流效果。

圖2 采集的蘇州話樣品聲波圖

2 研發過程

蘇州話學習系統系統包括采集單元、語音庫單元和展示單元。

2.1 采集單元

采集單元是對蘇州話進行錄音采集，然后轉換成數據，最后保持到語音庫。我們知道，聲音通過固體或液體、氣體傳播形成的震動，是一種波，因此首要的工作就是要將這些波采集下來。

采集的部分為蘇州話的波如圖2所示：

采集的過程就是將聲音的震動變成模擬的電信號。模擬信號要存儲到計算機中必須轉化為數字信號，這個過程叫模數轉換（ADC）。模數轉換分為采樣、保持、量化、編碼四步。采樣就是抽取某點的頻率值，如果一秒中內抽取得點越多，獲取的信號就越逼真，人的耳朵能夠感覺到的最高頻率為20kHz，要使人的耳朵聽起來自然，至少需要每秒進行40k次采樣，即40kHz，這個40kHz就是采樣率。我們常見的CD的采樣率為44.1kHz。保持是指取樣的時間必須保持一定的長度，以保證取樣的信號的穩定。

采樣以后，必須將頻率的能量并量化，用于表示信號強度。量化值為2的整數次冪，我們常見的CD位16bit的采樣大小，即2的16次方。

量化結束后對其編碼。編碼的規則由文件格式決定，常見聲音文件有wav、mp3、midi等。

聲音的錄制是基于DirectSound為基礎，DirectSound是微軟的DirectX的一個組件。DirectSound用到的主要對象包括：設備對象（Microsoft.DirectX.DirectSound.Capture），用來管理設備，創建輔助緩沖區；主緩沖區（Microsoft.DirectX. DirectSound.CaptureBuffer），操控聲音捕捉緩沖區和產生混音效果的區域；輔助緩沖區（Microsoft.DirectX.DirectSound. SecondaryBuffer），用來存儲要播放的聲音文件，可建立多個輔助緩沖區來放多個要播放的聲音文件；事件通知對象（Microsoft.DirectX.DirectSound.Notify），用于在緩沖區的特定點觸發通知事件，來通知程序執行操作；音頻格式（Microsoft. DirectX.DirectSound.WaveFormat）定義wav音頻格式，如采樣頻率、量化位數、聲道數等；通知的事件（System.Threading. AutoResetEvent），通知正在等待的線程已發生事件。

DirectX.DirectSound緩沖區默認記錄的聲音是未壓縮過的wav編碼的格式，采用wav格式保存的聲音數據文件比較大，隨著記錄越來越多，會給存儲空間帶來很大的壓力。因此需要對聲音數據進行壓縮，轉成mp3編碼格式的數據，這樣保存下來的文件的大小會小很多。

記錄下來的文件最終保存在語音庫里面。為了保證數據的安全性，建議語音庫要做備份，技術如磁盤列陣、磁帶機、光盤塔等。

2.2 語音庫單元

在語音采集的基礎上，歸類整理，構建語音庫。蘇州方言的詞語相當豐富，本語音庫分別只采集了各5個常用的名詞、代詞、動詞、形容詞和慣用語、成語、俗語、諺語、歇后語，再加5個常用句子作為研發組成實驗語音庫（微型）。只有經過無數的蘇州話語音采集編碼壓縮后才能組成真正的語音庫。

下面是采集的蘇州話常用語音詞語、句子舉例：

名詞：（1）霍顯 （閃電） （2）老蟲 （老鼠） （3） 上代頭（父母以上的長輩）

代詞：（1）啥體（什么事，為什么）（2）彎個|歸個（那個，那）（3）我|奴（舊，郊區）（我）

動詞：（1）搬場 （搬家） （2）作死 （自找絕路） （3）做舍姆 （坐月子）

形容詞：（1）硬張（硬而韌）（2）馬健健（過分熱心（反不討好））（3）厭氣（無聊，寂寞）

慣用語：（1）做人家 （節儉） （2）嚼白蛆 （胡說八道） （3）量地皮（把人打倒在地）

成語：（1）拔腳屁股（轉身（就逃））（2）墨騰出黑（烏黑）（3）殺殺辣辣（有份量，厲害）

俗語：（1）牙子作作齊 （說話要小心）（2）會捉老蟲貓不叫（能干的不作聲）

諺語：（1）先進山門為大 （2）外甥不出舅家門 （3）吃盡滋味鹽好，走盡天邊娘好

歇后語：（1）門檻浪葛鴨蛋——滾出滾進勿定 （2）六月里吃薄荷——涼勒心里

句子：（1）總算到屋里快哉。（總算快到家了。） （2）天亮快。（近天亮時，拂曉。）

2.3 展示單元

展示單元是通過圖形、文字與聲音的結合，通過觸摸情景中的圖形和文字，播放相關的蘇州話的聲音。本研發實驗系統播放聲音是基于媒體控制接口MCI ( Media Control Interface )實現的，它向基于Windows操作系統的應用程序提供了高層次的控制媒體設備接口。所有的MCI命令字符串都是通過多媒體API函數mciSendString傳遞給MCI的。;

3 研發結果

本系統的設計建立，實現了預期的效果，（蘇州話學習系統（微型）開發成功，《學說蘇州話：常用詞語、熟語1200條》可以進入學習應用階段），而且下一步還可以繼續開發出常用蘇州話900句、短文、課文等語音學習內容，語音采集經過編碼后充實到蘇州話語音庫里面。要設計建立一流的蘇州話學習系統，首先在軟件上要優化語言采集能力，在硬件上要采用更好的設備，保證語言的清晰度和真實性。在語言庫存儲方面要設計出更好存儲方案，保證存儲數據的安全性、可靠性，建立一套更加快速的語音檢索系統，提高系統的性能。同時加大對學校、企業的推廣，讓大家都能學到純正的蘇州話，說一口流利的蘇州話。

這套系統，一旦投入應用，就可以隨時隨地、細嚼慢咽地學習蘇州話，甚至可以在悅耳的輕音樂伴奏（音量可以調節或關閉）下學習蘇州話。如果該系統再增加蘇州話學習交流平臺，學習者還可以隨時隨地交流學習蘇州話的心得、體會，還可以對提升、優化該系統出謀劃策, 使該系統更趨完善、更趨完美。

其他語言類學科的語音學習也可以借鑒該系統技術、模式加以開發。可以把該系統的普通話換上對應的英語詞語、句子以后語、義、音一步到位，那么那些在蘇州學習、工作、生活的外國人也可以隨時隨地學習純正的蘇州話而有可能成為地道的洋蘇州人；也可以用該系統的技術、模式開發其他的外語語音學習系統，那么外語學習將更加豐富有效；還可以用該系統得技術、模式開發其他漢語方言的語音學習系統，那么我國的方言學習將更為便捷。

4 結語

通過本系統的設計建立，實現了對蘇州話的采集、存儲和展示，有利于蘇州話的研究、學習和推廣，更有利于推動社會的和諧、經濟的發展。采集當代中國漢語方言之一的蘇州方言等有聲資料，并通過科學整理和加工，進行長期保存，便于將來深入研究和有效地開發利用，為弘揚蘇州文化、加強蘇州文化遺產的保護、繁榮發展蘇州文化作貢獻。

[1] 王國平主編.蘇州史綱[M].蘇州:古吳軒出版社，2009.

[2] 陳平.基于PWM技術的A/D轉換電路的設計[J].微計算機信息,2007(29):267—271

[3] 錢小紅,李小艷.基于DiretShow實現局域網實時視頻傳輸[J].計算機技術與發展，2011（10）：218—221，225

Design and Implementation of Dialect Learning System

Yu Feng
（Jiangsu Tianchuang Ltd. Development Section Suzhou Jiangsu，215102)

This paper introduces the history and current situations of Wu dialect,and describes the establishment of a Wu dialect learning system will contribute greatly to preserving and spreading Suzhou’s traditional culture.The paper also deals with the design and implementation of this system on both linguistic and technical levels,which is of great practical value.

Wu dialect;language learning system;MCI; DirectSound

郁峰（1980-）,男,江蘇蘇州人,工程師,碩士,主要從事軟件開發。

中國分類號：H173