TTS是Text To Speech的縮寫，即“從文本到語音”，是人機對話的一部分，讓機器能夠說話。
語音播報功能的實現方式
- TTS語音模塊，比如XFS5152、SYN6288等
- ISD4000系列語音錄放芯片分段輸出
- 可以按鍵、UART控制的mp3解碼芯片模塊
- OTP(One Time Programable)語音芯片[定制]
其中TTS語音模塊使用起來最方便靈活，OTP語音芯片最簡單。
本文將介紹一下科大訊飛的XFS5152CE語音合成模塊。
XFS5152CE語音合成模塊
XFS5152CE是一款高集成度的語音合成芯片，可實現中文、英文語音合成；并集成了語音編碼、解碼功能，可支持用戶進行錄音和播放；除此之外，還創新性地集成了輕量級的語音識別功能，支持30個命令詞的識別。
內置的30個語音識別命令詞
手冊說如果需要定制命令詞需要跟廠家聯系，我體驗了一下，識別的準確率不是很高。如果需要語音識別功能，可以使用LD3320模塊，參考網文：
如果需要錄音模塊，建議使用ISD系列錄音芯片，參考網文：
為了使用方便，我們可以直接購買現成的XFS5152CE語音合成模塊。
通訊接口
XFS5152CE 芯片支持 UART 接口、I2C 接口、SPI 接口三種通訊方式，可通過 UART 接口、 I2C 或 SPI 接口接收上位機發送的命令和數據，允許發送數據的最大長度為 4K字節。
用戶在使用語音編解碼功能時（通訊接口必須選擇 UART 接口，并且波特率設置為 115200bps），上位機發送啟動編解碼的命令給語音芯片，芯片內部的語音編解碼模塊把采集到的音頻數據進行編碼并通過UART接口實時傳送給上位機，或者對上位機傳送來的音頻數據進行解碼并實時播放出來。
接線方式
- PC上使用官方演示程序《科大訊飛語音合成芯片PC端演示程序》，使用串口通信進行測試的接線方式如下：
- 如果使用單片機與XFS5152CE語音合成模塊聯用，模塊的8腳和10腳與STM32的串口交叉連接（我使用的是串口2），7腳用于判斷語音模塊當前的狀態，原理圖如下所示：
注意：
- 關于功放引腳4腳和6腳：可以根據喇叭的功率來選擇相應功率的功放，比如5W以內喇叭可以選擇單聲道功放XPT8871、LTK5128，15W的喇叭可以選擇TDA7297等雙聲道功放；
- 關于語音識別：只有使用語音識別功能的時候才需要接咪頭（如：9767型咪頭），且只能識別芯片指定的30條命令詞；
- 通過模塊板子上的撥碼開關選擇波特率，如撥到"√XX√"表示9600，模塊的通訊比特率要跟上位機或者與之相連的單片機的比特率一致；
- 3.3V供電。
語音播報功能的代碼實現
1. 串口初始化
參考網文：
uart2_init(115200); 通過撥碼開關設置波特率為：115200
2. 工作狀態指示輸出引腳初始化
/BSY引腳用于指示當前的工作狀態，低電平代表Ready狀態，高電平代表Busy狀態。用單片機的一個GPIO與之相連，可以讀取該IO的輸入狀態，即可獲取當前模塊處于的工作狀態。
#define U5152_BSY GPIO_ReadInputDataBit(GPIOA,GPIO_Pin_0)
void U5152_Init(void)
{
GPIO_InitTypeDef GPIO_InitStructure;
RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOA,ENABLE);
//U5152_BSY
GPIO_InitStructure.GPIO_Pin = GPIO_Pin_0; //PA0
GPIO_InitStructure.GPIO_Mode = GPIO_Mode_IPU; //設置成上拉輸入
GPIO_Init(GPIOA, &GPIO_InitStructure); //初始化GPIOA0
}3. 封裝播報語音函數
控制標識需要按照語音合成命令的格式發送，控制標記作為文本進行合成，即合成命令是“幀頭 + 數據區長度 + 合成命令字 + 文本編碼格式 + 控制標記文本”的格式。
語音合成命令幀示例：
/***********************************************************
* 名 稱： YS-XFS5051 文本合成函數
* 功 能： 發送合成文本到XFS5051芯片進行合成播放
* 入口參數： *HZdata:文本指針變量
* 出口參數：
* 說 明： 本函數只用于文本合成，具備背景音樂選擇。默認波特率9600bps。
* 調用方法：例： SYN_FrameInfo（“歡迎關注微信公眾號：程序員小哈”）；
**********************************************************/
void XFS_FrameInfo(char *HZdata)
{
/****************需要發送的文本**********************************/
unsigned char Frame_Info[50]; //定義的文本長度 xdata
unsigned int HZ_Length;
HZ_Length =strlen(HZdata); //需要發送文本的長度
/*****************幀固定配置信息**************************************/
Frame_Info[0] = 0xFD ; //構造幀頭FD
Frame_Info[1] = 0x00 ; //構造數據區長度的高字節
Frame_Info[2] = HZ_Length+2; //構造數據區長度的低字節
Frame_Info[3] = 0x01 ; //構造命令字：合成播放命令
Frame_Info[4] = 0x01; //文本編碼格式：GBK
/*******************發送幀信息***************************************/
memcpy(&Frame_Info[5], HZdata, HZ_Length);
USART2_OUT(Frame_Info,5+HZ_Length); //發送幀配置
}4. 播報當前時間語音
while(U5152_BSY){}
sprintf((char*)dtbuf,"[v5][s5][m55]當前時間為%02d時%02d分%02d秒",NowHour,NowMinute,NowSecond);
XFS_FrameInfo((char*)dtbuf) ;
delay_ms(10);
while(U5152_BSY){}5. 文本控制標記
XFS5152CE 芯片的語音合成功能支持多種文本控制標記，可以滿足用戶對語音合成發音人、音量、語速、語調等的設置。 文本控制標記的格式一般是半角中括號（即“[]”）內一個小寫字母、一個阿拉伯數字，如： [m3]為使用女聲的發音人小燕。
文本控制標記舉例
sprintf((char*)dtbuf,"[v5][s5][m3]當前時間為%02d時%02d分%02d秒 \r\n",NowHour,NowMinute,NowSecond);[v5]：代表音量值，有效范圍為：0~10；
[s5]：為語速值，取值范圍為：0~10；
[m3]：選擇發音人為小燕（女聲）
總結
- 模塊優點，文字轉語音很方便，很靈活
- 價格較貴，所以我們很多情況不需要功能這么強大的TTS語音模塊，有些場景，我們甚至沒有必要購買TTS語音模塊，比如語音開發中常見的費用催繳，撥通后播放：“尊敬的客戶，您本月的費用是：212元”，前面部分對所有客戶都一樣，錄一個語音文件就是了，而數字的合成是很簡單的，你只要錄制好10個數字語音，再加上十，百，千，萬，再加上金錢的單位“元”即可。
歡迎關注
公眾號【嵌入式從0到1】專注于嵌入式知識分享，學習路上不迷路。
喜歡本文的話，收藏、點贊、分享、留言互動一下吧。