esp-sr/esp-tts/README.md

ESP Chinese TTS [English]

乐鑫中文语音合成是一个为嵌入式系统设计的轻量化语音合成系统。

Overview

乐鑫语音合成当前版本基于拼接法，系统框图如下：

• Parser: 根据字典与语法规则，将输入文本转换为拼音列表, 输入文本编码为UTF-8。
• Synthesizer: 根据Parser输出的拼音列表，结合预定义的声音集，合成波形文件。默认输出格式为单声道， 16bit@16000Hz。

Features：

• UTF-8编码输入

• 流式输出，减少延时

• 多音词发音自动识别

• 可调节合成语速

• 数字播报优化

• 自定义声音集

Performance Test

Resource Occupancy

Flash image size： 2.2 MB

RAM runtime: 20 KB

CPU loading test（基于ESP32 @ 240MHz测试 ）:

speech rate	0	1	2	3	4	5
times faster than real time	4.5	3.2	2.9	2.5	2.2	1.8

Samples

• 欢迎使用乐鑫语音合成, 支付宝收款72.10元，微信收款643.12元，扫码收款5489.54元,     voice=xiaoxin,speed=1
• 支付宝收款 1111.11 元,     voice=xiaole,speed=2

User Guide

#include "esp_tts.h"
#include "esp_tts_voice_female.h"
#include "esp_partition.h"

/*** 1. create esp tts handle  ***/


// initial voice set from separate voice data partition

const esp_partition_t* part=esp_partition_find_first(ESP_PARTITION_TYPE_DATA, ESP_PARTITION_SUBTYPE_DATA_FAT, "voice_data");
if (part==0) printf("Couldn't find voice data partition!\n");
spi_flash_mmap_handle_t mmap;
uint16_t* voicedata;
esp_err_t err=esp_partition_mmap(part, 0, part->size, SPI_FLASH_MMAP_DATA, (const void**)&voicedata, &mmap);
esp_tts_voice_t *voice=esp_tts_voice_set_init(&esp_tts_voice_template, voicedata); 

// 2. parse text and synthesis wave data
char *text="欢迎使用乐鑫语音合成";	
if (esp_tts_parse_chinese(tts_handle, text)) {  // parse text into pinyin list
	int len[1]={0};
	do {
		short *data=esp_tts_stream_play(tts_handle, len, 4); // streaming synthesis
		i2s_audio_play(data, len[0]*2, portMAX_DELAY);  // i2s output             
	} while(len[0]>0);
	i2s_zero_dma_buffer(0);
}

更多请参考esp_tts.h查看API定义, 或参考esp-skainet中chinese_tts示例.