語音合成技術(shù)在電力調(diào)度自動(dòng)化系統(tǒng)中的應(yīng)用

宋吉峰，周智成，謝代鈺，陳新凌，張旻鈺

（廣西電網(wǎng)電力調(diào)度控制中心，廣西 南寧 530023）

0 引 言

廣西電網(wǎng)電力調(diào)度控制中心原來的電力調(diào)度自動(dòng)化系統(tǒng)主要依靠人為錄音實(shí)現(xiàn)語音報(bào)警功能，存在一定的局限性。因此，需調(diào)整和優(yōu)化能量管理系統(tǒng)，利用語音合成技術(shù)，實(shí)現(xiàn)電力調(diào)度自動(dòng)化系統(tǒng)語音報(bào)警功能，彌補(bǔ)人為錄制的缺陷。

1 語音合成技術(shù)的概述

語音技術(shù)可將輸入的語音轉(zhuǎn)換為語言代碼。轉(zhuǎn)換過程中，無論是傳輸效率還是存儲(chǔ)空間，都優(yōu)于直接傳輸和直接存儲(chǔ)。此外，語音技術(shù)可將連續(xù)語音信號(hào)轉(zhuǎn)換為有限符號(hào)集中代碼，便于工作人員理解和溝通。語音合成技術(shù)可廣泛應(yīng)用于多方面，如自動(dòng)口語翻譯、聲控及語音通信系統(tǒng)等。

2 語音合成系統(tǒng)具備的特點(diǎn)和優(yōu)勢

2.1 特 點(diǎn)

（1）支持語種較多，包括英語、普通話及粵語等。

（2）合成音色眾多，可提供眾多發(fā)音人錄制的音庫，可為粵英混讀和中英混讀提供支持。不同音庫具有不同采樣率的音庫安裝包，主要有16kb/s、8kb/s、6kb/s及11kb/s等。

（3）語氣表現(xiàn)能力較強(qiáng)。系統(tǒng)引入感嘆、疑問及反問等語氣，可自動(dòng)識(shí)別當(dāng)前合成的句子的感嘆語氣和疑問語氣類型，增強(qiáng)了合成語音的表現(xiàn)力[1]。

（4）可處理數(shù)字、多種語音及英文字符串的合成，提升了數(shù)值和數(shù)字識(shí)別效果。同時(shí)，讀法規(guī)則匹配度高、數(shù)值和數(shù)字朗讀準(zhǔn)確率高、發(fā)音圓潤豐滿以及節(jié)奏感較強(qiáng)。

（5）短語組詞效果明顯。系統(tǒng)依據(jù)短語合成特征，在音庫中增加了眾多短語語料，合成效果明顯。單音發(fā)音準(zhǔn)確率高，合成短語和句子較清晰，合成的句首單元和句末單元效果較自然。

（6）可將合成語音和背景音有機(jī)結(jié)合，使用戶在具體應(yīng)用中擁有更好的合成語音體驗(yàn)。加入MP3格式背景音樂的支持，擴(kuò)大了用戶對背景音樂的選擇范圍[2]。

（7）系統(tǒng)擁有批量處理預(yù)錄音的工具。此工具可對預(yù)錄音進(jìn)行有效的批量刪除、添加、格式變換、分解及合并。

（8）遠(yuǎn)程監(jiān)控圖形界面，管理網(wǎng)絡(luò)資源和語音合成服務(wù)，并具備語音資源管理接口和多引擎管理接口。

2.2 優(yōu) 勢

與人工錄音相比，語音合成技術(shù)具有以下優(yōu)勢：

（1）系統(tǒng)的語音發(fā)音效果完整，且效果較統(tǒng)一；

（2）如果增加調(diào)度自動(dòng)化系統(tǒng)的容量，語音報(bào)警系統(tǒng)功能無需任何系統(tǒng)的語音維護(hù)；

（3）語音報(bào)警準(zhǔn)確率較高，避免了人為錄制語音文件造成的失誤；

（4）升級(jí)便捷，即升級(jí)相應(yīng)系統(tǒng)只需升級(jí)語音合成系統(tǒng)的語音報(bào)警音庫；

（5）語音合成較迅速，幾乎無間歇和停頓。

3 語音合成報(bào)警系統(tǒng)具備的功能和實(shí)現(xiàn)方式

報(bào)警服務(wù)器端具備的功能：可依據(jù)報(bào)警類型和報(bào)警等級(jí)進(jìn)行差異性設(shè)置，可取消原來的設(shè)置和報(bào)警次數(shù)的設(shè)置；可設(shè)置各種事項(xiàng)的報(bào)警和報(bào)警次數(shù)，確認(rèn)報(bào)警事項(xiàng)的報(bào)警是否完成；可靈活選擇發(fā)音人；可調(diào)節(jié)音調(diào)和音速；設(shè)置時(shí)間、數(shù)字及字符的讀法[3]。

語音合成技術(shù)的語音報(bào)警系統(tǒng)可利用傳輸控制協(xié)議——客戶-服務(wù)器的方式實(shí)現(xiàn)語音報(bào)警。客戶端的微型計(jì)算機(jī)安裝TTS軟件，服務(wù)器端需在電力調(diào)度自動(dòng)化系統(tǒng)數(shù)據(jù)采集和監(jiān)控服務(wù)器上運(yùn)行。兩臺(tái)服務(wù)器可進(jìn)行服務(wù)器端的配置，實(shí)現(xiàn)雙機(jī)備用的功能。硬件把關(guān)器為客戶端提供支持，而一套軟件只具備一個(gè)硬件把關(guān)器，因此只能安裝在一臺(tái)微型計(jì)算機(jī)上[4]。

TTS軟件應(yīng)用于電力調(diào)度自動(dòng)化系統(tǒng)，如圖1所示。兩個(gè)語音報(bào)警進(jìn)程都在SCADA系統(tǒng)上運(yùn)行，相互配合。

圖1 TTS軟件應(yīng)用于電力調(diào)度自動(dòng)化系統(tǒng)

4 語音報(bào)警系統(tǒng)的參數(shù)和性能

4.1 語音報(bào)警系統(tǒng)的參數(shù)

第一，合成效率。合成效率是語音報(bào)警系統(tǒng)合成語音的投入與產(chǎn)出的比例。由于目前中英文之間合成效率差距較大，使用中英文的混合文本的合成效率作為平均效率。第二，占用內(nèi)存。測試程序，以確定系統(tǒng)占有的字符數(shù)。第三，響應(yīng)時(shí)間，即任務(wù)從執(zhí)行到完成的時(shí)間。第四，CUP占用，即測試程序CUP占用時(shí)間和系統(tǒng)中CPU占用時(shí)間的比值。第五，實(shí)時(shí)標(biāo)準(zhǔn)，最長合成時(shí)間不大于3 s，平均合成時(shí)間不大于2 s[5]。

4.2 語音報(bào)警系統(tǒng)的性能

TTS軟件語音合成迅速，內(nèi)存約為205 MB。完成語音合成任務(wù)時(shí)，CPU占用內(nèi)存為2%，平均合成時(shí)間控制在1 s內(nèi)。

5 TTS在電力調(diào)度自動(dòng)化系統(tǒng)中的應(yīng)用效果

由于傳統(tǒng)語音報(bào)警由人為操作錄制，錄制準(zhǔn)確率低、效果差。廣西電網(wǎng)電力調(diào)度控制中心更新電力調(diào)度自動(dòng)化系統(tǒng)，利用語音合成技術(shù)開發(fā)語音報(bào)警系統(tǒng)。該系統(tǒng)運(yùn)行效率較高，語音效果統(tǒng)一、連續(xù)，運(yùn)行效果明顯，且語音報(bào)警免維護(hù)[6]。

6 語音合成技術(shù)的發(fā)展趨勢

6.1 提升合成語音的自然度

提升合成語音的自然度是轉(zhuǎn)換高性能文語的要求。雖然已基本解決了詞組和單字的自然度和理解度，但句子和整篇的自然度還存在較大問題。歸納韻律規(guī)則尤其是歸納連續(xù)語音韻律規(guī)則，用定性規(guī)則描述定量化，極大地影響合成語音的自然度。此外，處理前段文本也會(huì)影響合成語音的自然度，突破自然語言的理解，以促進(jìn)語音合成技術(shù)的良好發(fā)展[7]。

6.2 豐富合成語音的表現(xiàn)力，降低語音合成技術(shù)的難度

目前，國內(nèi)外大多依據(jù)文語轉(zhuǎn)換系統(tǒng)進(jìn)行語音合成研究，解決問題面較狹窄，不能滿足不同年齡段、不同語氣特征及情感的表現(xiàn)需求。隨著社會(huì)的不斷發(fā)展，人們對人機(jī)交互的要求越來越高，需豐富語音合成的表現(xiàn)力，增加音庫個(gè)數(shù)和容量。因此，需利用參數(shù)合成法分析參數(shù)特征，調(diào)整年齡、語調(diào)及語氣，使合成語音擁有更強(qiáng)的表現(xiàn)力。此外，需降低語音合成技術(shù)的難度。為促進(jìn)語音合成技術(shù)的廣泛應(yīng)用，需降低音庫容量。目前，合成語音的存儲(chǔ)容量能滿足工作站等硬件平臺(tái)，但難以負(fù)擔(dān)商務(wù)通、無線通信手機(jī)等設(shè)備。

7 結(jié) 論

語音合成技術(shù)在電力調(diào)度自動(dòng)化系統(tǒng)中應(yīng)用效果較好。但是，隨著社會(huì)的不斷發(fā)展，語音合成技術(shù)還需不斷進(jìn)步，尤其是在語音的自然度、表現(xiàn)力及難度等方面。