تنفيذ تركيب الكلام في برنامج ASP.NET

الكاتب：Eve Cole وقت التحديث：2009-06-30 16:07:51

ربما لاحظت أن تركيب الكلام أصبح أكثر شيوعًا هذه الأيام. تستطيع المئات من الألعاب والأدوات الإلكترونية التحدث إلى أصحابها بأصوات الآلة. سواء أكانت دمية طفل ناطقة، أو عداد خطوات ناطق، أو نظام هاتف آلي جديد، يتم إصدار منتج كل يوم تقريبًا يستخدم النص للتحدث.

تقنية تحويل النص إلى كلام (TTS)، والمعروفة أيضًا باسم تركيب الكلام، هي عملية تحويل نص الإدخال إلى كلام صوتي. يعد هذا الأسلوب أفضل من النص المسجل مسبقًا، فهو يتطلب معرفة مسبقة بما سيقال. باستخدام TTS، من الممكن إضافة معلومات ديناميكية. يمكن أن تأتي المعلومات الديناميكية من قاعدة البيانات أو يمكن تكرارها بواسطة المستخدم.

1. اختبار تحويل النص إلى كلام

إذا كنت قد رأيت أو سمعت عن تحويل النص إلى كلام أثناء العمل، فقد ترغب في تنزيل نسخة مجانية من ReadPlease 2003. هذا المنتج قادر على قراءة النص من حافظة Windows. لاستخدامه، ما عليك سوى لصق بعض النص في محرر ReadPlease (انظر الشكل 1) - وبافتراض تشغيل مكبرات صوت الكمبيوتر لديك، ستسمع تشغيل النص. حاليًا، يعمل المنتج فقط على جميع إصدارات نظام التشغيل Windows لسطح المكتب، لكنهم يخططون أيضًا لإصدار إصدارات لأنظمة Mac وUnix وPalm وWindows CE.

الشيء المثير للاهتمام في ReadPlease هو أنه يمكنك استخدام محرر ReadPlease لتجربة تحديدات معلمات TTS الخاصة بك. على سبيل المثال، يمكنك ضبط سرعة التعبير عن طريق تحريك شريط تمرير السرعة الموضح في الشكل 1 لأعلى أو لأسفل. يمكنك أيضًا تغيير الصوت المستخدم من خلال النقر على زر السهم الموجود أسفل رمز الوجه الصغير.

الشكل 1. تطبيق ReadPlease 2003: قد يقرأ تطبيق Windows هذا أي نص تم لصقه من الحافظة في حقل التحرير.

ماذا تحتاج؟ Visual Studio.NET 2003، Microsoft Speech Applications SDK 1.1

يتيح لك النقر على قائمة "الأدوات" ثم تحديد "الخيارات" إجراء المزيد من التجارب باستخدام محرر تحويل النص إلى كلام (TTS)؛ على سبيل المثال، يمكنك ضبط طول توقفات محرك الكلام بين الفقرات. ستمنحك الترقية إلى إصدار ReadPlease Plus إمكانية الوصول إلى خيار محرر النطق الإضافي الذي يتيح لك تحديد كيفية نطق كلمة معينة. يتضمن ReadPlease Plus أيضًا شريط مهام يمكنك تثبيته في الجزء العلوي من سطح مكتب Windows لديك. لذا يمكنك سحب النص بسرعة من أي تطبيق يستند إلى ملف إلى شريط المهام وقراءته لك.

افتراضيًا، يستخدم تطبيق ReadPlease صوت Microsoft المدمج (Mark أو Mike أو Sam أو Marilyn). ومع ذلك، يمكنك اختياريًا شراء AT&T Natural Voices بجودة أعلى، مثل تلك المتوفرة في حزمة AT&T Natural Voices Starter Pack. تتضمن حزمة المبتدئين إصدارات 8K من "Mike" و"Crystal"، وكلاهما يبدو أفضل من أصوات Microsoft الافتراضية.

ملاحظة المؤلف: مصطلح 8K يعني أن تردد أخذ العينات المستخدم لإنشاء ملفات WAV يصل إلى 8000 بت في الثانية. التنسيق الآخر هو 16 كيلو، والذي ينتج تأثير استماع أكثر وضوحًا وطبيعية. في الأساس، كلما ارتفع معدل العينة، كلما كانت جودة الصوت أفضل.

2. مجموعة تطوير تطبيقات الصوت من Microsoft SDK 1.1

في عام 2004، أصدرت Microsoft Microsoft Speech Server، ويوجد SDK مجاني يسمح لك بتطوير برامج الكلام المستندة إلى الويب والتي يتم تشغيلها على Speech Server. يمكنك استخدام SDK لإنشاء تطبيقات هاتفية أو صوتية فقط - حيث يتم تحقيق التفاعل بين الكمبيوتر والمستخدم باستخدام الهاتف. يمكنك أيضًا إنشاء تطبيقات متعددة الوسائط حيث يختار المستخدم استخدام عناصر التحكم الصوتية أو التقليدية على الويب كمدخل.

يقوم محرك Microsoft TTS بتجميع النص عن طريق تقسيم الكلمات إلى مقاطع صوتية. الفونيمات هي الوحدات الأساسية للغة البشرية. وهي تمثل مجموعة من "الأصوات" التي تشكل أصوات الكلمة. يتم بعد ذلك تحليل الصوتيات المستخرجة بواسطة محرك TTS وتحويلها إلى رموز تستخدم لإنشاء خطاب صوتي رقمي.

يمكنك استخدام نموذج التطبيق القابل للتنزيل المصاحب لهذه المقالة (ExploringTextToSpeech.csproj) لتجربة الجوانب القابلة للتكوين لمحرك Microsoft TTS. يتكون هذا التطبيق متعدد الوسائط من صفحة ويب (انظر الشكل 2) يمكنك إدخال بعض النصوص فيها. يمكنك بعد ذلك النقر فوق زر للاستماع إلى النص بالطريقة التالية.

ملاحظة المؤلف: لا يمكن تجنب استخدام محرك تحويل النص إلى كلام (TTS) عندما لا يمكن معرفة النص المراد تشغيله مسبقًا، ومع ذلك، يمكنك الحصول على جودة صوت أفضل عن طريق تسجيل الصوت. عندما تكون جودة الصوت أمرًا بالغ الأهمية، يمكنك استخدام Microsoft Speech Application Software Development Kit (SASDK) لتسجيل الصوت. على سبيل المثال، قد ترغب في استخدام الصوت المسجل لمطالبة المستخدم بالمعلومات. يمكن تقسيم الصوت المسجل إلى سلسلة من الإشارات، والتي يتم بعد ذلك ربطها في وقت التشغيل.

· التحدث بالنص بشكل طبيعي، يوفر معيارًا للاختبار

· قل كاختصار - يتم إنشاء النص "ASP" بواسطة "ASP"

· قل كاسم-تم الهجوم على السيد جون دو "السيد جون دو"

· قل كتاريخ - في هذه الحالة، يتم تنسيق التاريخ على النحو التالي: الشهر، اليوم، السنة

· قل كعنوان ويب - في هذه الحالة، يتم تنسيق النص كمعرف مورد موحد (URI)

· قل كأرقام - يتم تمثيل الأرقام التي تم إدخالها كنص كسلسلة من الأرقام

· درجة الصوت العالية/المعدل البطيء - يتم إرسال النص ببطء وبدرجة حرارة عالية.

· المعدل السريع/الصوت العالي - ينبعث النص بنبرة عالية سريعة.

· انخفاض درجة الصوت/الحجم الناعم - ينبعث النص بنبرة منخفضة وبحجم معتدل.

الشكل 2. نموذج التطبيق - يمكنك استخدام هذا التطبيق للاستماع إلى النص المنطوق بعدة طرق.

يستخدم التطبيق متعدد الوسائط عنصر تحكم سريع لتحديد الصوت الذي سيتم تشغيله للمستخدم. يحتوي عنصر التحكم السريع على خاصية InlineContent - ويمكن أن يحتوي على عنصر تحكم أساسي في الكلام يكون إما محتوى أو قيمة. يحدد عنصر التحكم في المحتوى ملف مطالبة محددًا يحتوي على التسجيل الصوتي المخزن. يحدد عنصر تحكم القيمة عنصرًا في صفحة ويب HTML. يستخدم نموذج التطبيق عنصر تحكم القيمة الذي يشير إلى عنصر إدخال يسمى txtText (في الحقل "اكتب بعض النص هنا:" في الشكل 2). فيما يلي HTML الذي يصف التعليق التوضيحي المستخدم للمطالبة:

＜ الكلام: معرف المطالبة = "prmText" runat = "الخادم"＞
＜المحتوى المضمن＞
＜ الكلام: قيمة التشغيل = "الخادم"
العنصر المستهدف = "txtText"
السمة المستهدفة = "القيمة">
＜/خطاب:القيمة＞
＜/المحتوى المضمن＞
＜/خطاب: موجه＞

3. لغة الشرح تركيب الكلام

يضع محرك TTS بعض الافتراضات الافتراضية حول كيفية تشغيل النص المشار إليه بواسطة سمة InlineContent، ولكن يمكن للمطورين التحكم في كيفية إنشاء محرك TTS للصوت باستخدام عناصر لغة توصيف تركيب الكلام (SSML). وفقًا لتوصية جمعية W3C، فإن SSML هي لغة ترميزية تعتمد على XML. يسرد الجدول 1 عناصر SSML التي يدعمها SASDK.

الجدول 1. عناصر SSML المدعومة: يسرد الجدول عناصر SSML المدعومة بواسطة SASDK والمستخدمة للتحكم في الطريقة التي يقوم بها محرك TTS بإنشاء النص.

يتم استخدام يتم استخدام يتم استخدام يتم استخدام

وصف	عنصر SSML
ssml:paragraph/ssml:sentence	يستخدم لتقسيم النص إلى جمل أو فقرات.
ssml:say-as	لتحديد كيفية تشغيل النص. يقبل عدة سمات مختلفة لتحديد نوع النص.
ssml: فونيم	يستخدم للتحكم في نطق الكلمة.
ssml:sub	لتحديد كلمة أو عبارة بديلة لاستبدال النص المحدد.
ssml: يتم استخدام التركيز	لزيادة الضغط الموضوع على كلمة أو عبارة.
ssml:break	لإدراج بعض التوقفات بين كلمات معينة في النص.
ssml: يتم استخدام العروض	للتحكم في درجة الصوت والمعدل والحجم.
ssml: الصوت	يستخدم لإدراج الملفات الصوتية المسجلة.
ssml:mark	لإدراج علامة في موضع معين في النص. ويمكن بعد ذلك استخدام هذه العلامة لتمثيل حدث أو تشغيل سلوك ما.

يوضح هذا التطبيق النموذجي استخدام عناصر say-as وprosodySSML. يتوافق كل زر على الصفحة Default.aspx مع عنصر تحكم موجه. تتضمن عناصر التحكم السريعة هذه عنصر ssml:say-as أو ssml:prosody ضمن عنصر InlineContent. يوضح المثال التالي علامة HTML لأحد هذه العناصر:

＜ الكلام: معرف المطالبة = "prmSayAsAcronym" runat = "الخادم"＞
＜المحتوى المضمن＞
＜ssml:say-as type = "اختصار" ＞
＜ الكلام: قيمة التشغيل = "الخادم"
العنصر المستهدف = "txtText"
TargetAttribute="value"></speech:Value>
＜/ssml:say-as＞
＜/المحتوى المضمن＞
＜/خطاب: موجه＞

عندما ينقر المستخدم على أحد هذه الأزرار، فإنه يقوم بتنفيذ JavaScript الموضح أدناه:

وظيفة SayAsAcronym() {
prmSayAsAcronym.Start();
}

في المثال أعلاه، يتضمن الموجه المسمى prmSayAsAcronym عنصر ssml:say-as، الذي يحدد أن أي نص موجود في عنصر إدخال txtText يجب أن ينبعث مع الحرف الأول من كل كلمة. لذلك، إذا قمت بكتابة "ASP" في عنصر النص والنقر فوق "Say As Accronym"، فسيقوم محرك TTS بقراءة كل حرف.

لتجربة نموذج التطبيق، يمكنك إدخال بعض المقتطفات النصية والنقر فوق كل زر لترى كيف يفسر محرك TTS النص. أقترح عليك تغيير قيم العناصر وتجربة طريقة إنشاء كل عنصر تحكم. يمنح SASDK للمطورين تحكمًا جيدًا في كيفية إنشاء محرك تحويل النص إلى كلام (TTS) للنص، لذا قد تؤدي التجربة إلى تطبيق أكثر طبيعية يعتمد على الكلام.