各種文本文檔轉(zhuǎn)音頻文件及音頻文件轉(zhuǎn)文字

摘要：隨著對(duì)TXT/PDF/Word/HTML等各種文本文檔轉(zhuǎn)換為音頻文件，以及音頻文件轉(zhuǎn)換為文本文字的需求日益增加，本文給出了讓普通人都能夠利用現(xiàn)有技術(shù)達(dá)到這些目標(biāo)的方法。方法簡(jiǎn)單易行，實(shí)用有效。

關(guān)鍵詞：殘障人士;朗讀;音頻;文本

中圖分類號(hào)：TP317 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）21-0180-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

引言

現(xiàn)在越來越多的工作和生活中都會(huì)使用文本文檔（例如：TXT文檔、Word文檔、PDF文檔甚至HTML網(wǎng)頁(yè)內(nèi)容等）和音頻文件。但是視障人士無法觀看這些文檔，即便是視力正常的人長(zhǎng)時(shí)間閱讀電子文檔也會(huì)損傷眼睛而且不能同時(shí)進(jìn)行其他的事情;與此同時(shí)，聽障人無法聽到音頻文件的內(nèi)容，只能閱讀文檔。而且殘障者由于行動(dòng)受限更渴望豐富生活，了解社會(huì)[1]。

如果文本文檔可以朗讀并轉(zhuǎn)成音頻文件，那么就能解放雙眼，滿足視障人士聽讀、放映廳放映、課堂教學(xué)、外語學(xué)習(xí)等場(chǎng)景下的需要，而且音頻文件相對(duì)于文本文檔更便于手機(jī)上播放和攜帶。同時(shí)，如果音頻文件能轉(zhuǎn)換成文本文檔，那么就能滿足聽障人閱讀、文檔打印、將各種資料匯總成文檔、殘障人士文字錄入等場(chǎng)景下的需要。尋找簡(jiǎn)單有效的方法，完成各種文本文檔與語音文件的相互轉(zhuǎn)換，是幫助殘障人士的重要環(huán)節(jié)。

目前文字轉(zhuǎn)語音的現(xiàn)狀（參見文獻(xiàn)[2-9]）是：Office Word的菜單中都已經(jīng)有了朗讀功能，在“百度經(jīng)驗(yàn)”中搜索“word朗讀”可以查閱調(diào)出“朗讀”菜單項(xiàng)的配置方法。本次使用的Word2016版本朗讀功能可以做到朗讀選中的文字和停止朗讀。

目前語音轉(zhuǎn)文字的現(xiàn)狀是：各種語音輸入法陸續(xù)發(fā)布，雖然存在著由于各種原因?qū)е挛淖洲D(zhuǎn)換不夠完美的問題，但該功能已經(jīng)初步實(shí)現(xiàn)。

如何利用現(xiàn)有的技術(shù)，達(dá)到文本文檔轉(zhuǎn)換為音頻文件，或者將音頻文件轉(zhuǎn)為文本文字，是此次研究的主要目的。

1 實(shí)現(xiàn)方法

1.1 準(zhǔn)備工作

在開始實(shí)現(xiàn)之前，需要做好準(zhǔn)備工作，特別說明如下：

1）文檔朗讀實(shí)際使用了windows的語音組件，所以使用前需要安裝windows語音組件。本次使用的windows 10操作系統(tǒng)自帶了語音組件。

2）因?yàn)橐鑫谋疚臋n和音頻文件的相互轉(zhuǎn)換。根據(jù)需求，筆者選定的實(shí)驗(yàn)環(huán)境是windows 10操作系統(tǒng)+Office Word2016+“訊飛語音輸入法”。

1.2 文本文檔轉(zhuǎn)音頻文件基本步驟

利用目前的Word朗讀功能和windows的錄音功能，我們現(xiàn)在只需簡(jiǎn)單地處理就可以實(shí)現(xiàn)Word文字轉(zhuǎn)音頻的目標(biāo)。而其他的各種類型的文檔，只要可以拷貝進(jìn)Word文檔里都可以用以下的方法，來轉(zhuǎn)換成音頻文件。特別需要說明的是，HTML頁(yè)面的朗讀一直都是瀏覽器插件開發(fā)的一個(gè)方向，但是如果可以直接拷貝HTML文檔的內(nèi)容或者利用生成HTML用的原始文本，將他們朗讀成音頻掛載在網(wǎng)頁(yè)上播放，會(huì)去掉很多不必要的廣告或者其他內(nèi)容的干擾，提高網(wǎng)頁(yè)朗讀的品質(zhì)。具體步驟如下：

1）在電腦右下角的揚(yáng)聲器上單擊右鍵，“打開聲音設(shè)置”，選擇其中的“聲音控制面板”，如圖1所示。

2）在聲音控制面板的“錄制”選項(xiàng)卡中啟用“立體聲混音”，如圖2所示。

3）回到圖1所示位置，設(shè)置默認(rèn)聲音輸入為“立體聲混音”（也就是電腦播放音），如圖1所示。

4）準(zhǔn)備工作完成，可以開始錄制Word文檔的朗讀語音。如圖3所示，打開電腦的錄音機(jī)，并打開Word文檔，選中要朗讀的內(nèi)容。開始錄音機(jī)錄音，然后在Word文檔中開始朗讀，朗讀完成即可停止錄音，生成錄音文件了。

1.3音頻文件轉(zhuǎn)文本文字基本步驟

接下來我們完成音頻文件轉(zhuǎn)文本文字的工作。因?yàn)橐纛l文件轉(zhuǎn)文本文字其實(shí)是利用了“訊飛語音輸入法”，所以首先需要設(shè)置語音輸入法的語音來源為電腦播放音，這樣語音輸入法就可以根據(jù)電腦播放的音頻文件的聲音，在Word文檔中錄入文字。步驟如下：

1）在電腦右下角的揚(yáng)聲器上點(diǎn)擊右鍵，“打開聲音設(shè)置”，向下找到其中的“高級(jí)聲音選項(xiàng)”，打開“應(yīng)用音量和設(shè)備首選項(xiàng)”，如圖4所示。

2）確認(rèn)其中的聲音輸入為“立體聲混音”，并確認(rèn)“訊飛語音輸入法”相關(guān)兩項(xiàng)的輸人為“默認(rèn)”（也就是立體聲混音）。如圖5所示。

3）完成準(zhǔn)備工作，可以開始音頻文件轉(zhuǎn)Word文檔的工作。打開音頻文件，電腦開始播音;在Word文檔中，光標(biāo)移動(dòng)至需要輸入文字的地方，并將“訊飛語音輸入法”的“點(diǎn)擊說話”按鈕按下。這時(shí)候“訊飛語音輸入法”就會(huì)將聲音轉(zhuǎn)為Word文檔中的文字。將1.2節(jié)中錄制的音頻文件轉(zhuǎn)換為Word文檔，我們來看看文字恢復(fù)情況。如圖6所示。

可以看到由于文檔朗讀錄音時(shí)使用了標(biāo)準(zhǔn)的普通話，所以文字恢復(fù)后除了標(biāo)點(diǎn)符號(hào)不同，無法分段，沒有各種文檔樣式之外，沒有文字錯(cuò)誤。

由上面的過程想到，通過將“訊飛語音輸入法”的語音來源設(shè)置為麥克風(fēng)（如圖7所示），將音頻播放出來的聲音收音到麥克風(fēng)，借助語音輸入法轉(zhuǎn)為文字;當(dāng)然借助語音輸入法，如果你對(duì)著麥克風(fēng)講話，也可以轉(zhuǎn)為文字。

2 實(shí)驗(yàn)結(jié)論

本次研究，借助現(xiàn)代科學(xué)技術(shù)順利地達(dá)到各種文本文檔轉(zhuǎn)換為音頻文件的目的，滿足視障、殘障、聽障人在很多應(yīng)用場(chǎng)景下對(duì)這項(xiàng)技術(shù)的需要。雖然語音轉(zhuǎn)文字過程中，可能由于某些語音文件的質(zhì)量不高、普通話不夠標(biāo)準(zhǔn)等原因，文字的準(zhǔn)確性還有待進(jìn)一步提升;文字轉(zhuǎn)語音過程中，播放出來的語音還無法像人一樣自然流暢。但是隨著技術(shù)的發(fā)展，相信文字的識(shí)別會(huì)越來越準(zhǔn)確，而播放的語音也會(huì)越來越自然流暢。

除此之外，目前的語音輸入法不能分段，也沒有文字格式，只能恢復(fù)文字。所以目前只能簡(jiǎn)化還原文本文檔需要付出的努力。

3 結(jié)束語

針對(duì)目前各種文本文檔轉(zhuǎn)換為音頻文件以及音頻文件轉(zhuǎn)文字的需求，本文提出了結(jié)合現(xiàn)有的windows語音組件技術(shù)、Word文檔朗讀技術(shù)、錄音技術(shù)、語音輸入技術(shù)，達(dá)到了文字與語音相互轉(zhuǎn)換的目的。它能使工作和生活變得更智能、更人性化;使視障人士、聽障人和殘障人能夠更輕松地應(yīng)對(duì)工作和生活中的難題。相信將來會(huì)在越來越多對(duì)文本文檔轉(zhuǎn)音頻文件，及音頻文件轉(zhuǎn)文本文字的應(yīng)用場(chǎng)景中發(fā)揮作用。也希望隨著研究的深入，不久的將來相關(guān)的轉(zhuǎn)換軟件可以誕生，使得轉(zhuǎn)換工作得以更輕松完成。

參考文獻(xiàn)：

[1]林英.視力障礙人士閱讀問題研究[J].圖書館理論與實(shí)踐，2014（4）：22-24，25.

[2]張修振.兩方法助你輕松閱讀Word文檔[J].秘書之友，2009（8）：46.

[3]巧用“錄音機(jī)”制作音頻文件[Jl，電腦知識(shí)與技術(shù)，2000 （01）：20.

[4]羅海濤.wav音頻文件格式分析與數(shù)據(jù)獲取[J].電腦知識(shí)與技 術(shù)，2016，12（27）：211-213.

[5]阮高峰.TXT文件也玩大變身[J].電腦知識(shí)與技術(shù)，2003（22）：8-11.

[6]飛雪散花.乾坤大挪移，文本也轉(zhuǎn)換[J].電腦迷，2011（18）：21.

[7]鄉(xiāng)里人家.文出有聲護(hù)眼養(yǎng)神[J].電腦愛好者（普及版），2010（10）：33.

[8]朱煥民.讓W(xué)ord XP給你讀文檔[Jl.電腦知識(shí)與技術(shù)，2003（31）：29-30.

[9]李剛.智能語音識(shí)別技術(shù)的架構(gòu)與設(shè)計(jì)[J].電腦知識(shí)與技術(shù)，2018，14（18）：175-177.

【通聯(lián)編輯：唐一東】

作者簡(jiǎn)介：曹紅萍（1977-），女，新疆精河人，清華大學(xué)軟件工程碩士，高級(jí)系統(tǒng)架構(gòu)設(shè)計(jì)師，主要研究方向?yàn)椋河?jì)算機(jī)教育、計(jì)算機(jī)應(yīng)用技術(shù)、軟件工程。