Espeak功能

Question

我试着用espeak做一些功能，但是缺少一些参数(我不知道)，并且在Linux上处理代码块，下一段代码运行良好，可以读取阿拉伯文本。

  `#include<string.h> 
   #include<malloc.h> 
   #include</usr/local/include/espeak/speak_lib.h> 
   int main(int argc, char* argv[] ) 
{ 
char text[] = {"الله لطيف "}; 
espeak_Initialize(AUDIO_OUTPUT_PLAYBACK, 0, NULL, 0 );  
espeak_SetVoiceByName("ar"); 
unsigned int size = 0;  
while(text[size]!='\0') size++;
unsigned int flags=espeakCHARS_AUTO | espeakENDPAUSE; 
espeak_Synth( text, size+1, 0,POS_CHARACTER,0, flags, NULL, NULL ); 
espeak_Synchronize( ); 
return 0; 
 }`

现在你能帮我们从Espeak找到这些参数吗

1.返回生成的波形以将其存储在变量中的函数。

2.Frequency

3.频道数目

4.样本量

5.我们储存样本的缓冲器

6.样本数目

Answer 1

如果找不到合适的示例，则必须阅读头文件中的文档。还没有使用过它，但它看起来很容易理解：

lib.h

当你打电话给espeak_Initialize时，你通过了AUDIO_OUTPUT_PLAYBACK。您将需要传入AUDIO_OUTPUT_RETRIEVAL，然后似乎必须使用自己创建的函数调用espeak_SetSynthCallback来接受示例。

您的修改后的代码看起来会像这样(未经测试)

#include <string.h>
#include <vector> 
#include </usr/local/include/espeak/speak_lib.h> 

int samplerate; // determined by espeak, will be in Hertz (Hz)
const int buflength = 200; // passed to espeak, in milliseconds (ms)

std::vector<short> sounddata;

int SynthCallback(short *wav, int numsamples, espeak_EVENT *events) {
    if (wav == NULL)
        return 1; // NULL means done.

    /* process your samples here, let's just gather them */
    sounddata.insert(sounddata.end(), wav, wav + numsamples);
    return 0; // 0 continues synthesis, 1 aborts 
}

int main(int argc, char* argv[] ) {
    char text[] = {"الله لطيف "};
    samplerate = espeak_Initialize(AUDIO_OUTPUT_RETRIEVAL, buflength, NULL, 0);  
    espeak_SetSynthCallback(&SynthCallback);
    espeak_SetVoiceByName("ar"); 
    unsigned int flags=espeakCHARS_AUTO | espeakENDPAUSE;
    size_t size = strlen(text); 
    espeak_Synth(text, size + 1, 0, POS_CHARACTER, 0, flags, NULL, NULL); 
    espeak_Synchronize();

    /* in theory sounddata holds your samples now... */

    return 0; 
}

所以对于你的问题：

1. 函数，该函数返回生成的波形以将其存储在变量中--编写回调函数，该函数将获得wav的小buflength-long位以进行处理。如果要将数据积累到一个更大的缓冲区中，我已经向您展示了如何自己进行此操作。
2. 频率-通过这个API它看起来不像你选择它，埃斯皮恩是这样做的。它是以赫兹和返回作为samplerate以上。
3. 频道的数量-没有提到它，而且声音合成一般是单一的，人们会认为。(在大多数立体声mixes...so中，声道是混合中心的，在大多数立体声中，你会把你得到的单声道数据放回去，并在左右频道播放相同的合成数据。)
4. 样本大小-你得到shorts。这些是有符号整数，2个字节，范围为-32,768到32,767。可能它使用了整个范围，看起来并不是可配置的，但是您可以测试并查看您得到的结果。
5. 我们在其中存储样本的缓冲区--合成缓冲区似乎属于es匹克，它处理分配和释放它。我展示了一个使用std::vector从多个调用中收集块的示例。
6. 样本数--每次调用SynthCallback都会得到可能不同数量的样本。你可能会得到0的数字，这可能并不意味着它是在结尾。