在java程序中加入語音功能，例如給段字符串“A101”，就能發(fā)出聲音，請大家?guī)蛶兔Γx謝

為應用程序加上語音能力有什么好處呢？粗略地講，是為了趣味，它適合所有注重趣味的應用，比如游戲。當然，從更嚴肅的角度來講，它還涉及到應用的可用性問題。注意，這里我考慮的不僅是可視化界面固有的不足，而且還有這樣一些情形：一些時候，讓雙眼離開當前的工作很不方便，甚至是不合法的。比如，假設有一個帶語音功能的瀏覽器，你就可以在外出散步或開車上班的同時，用聽的方式瀏覽自己喜愛的網(wǎng)站。從目前來看，郵件閱讀器或許是語音技術(shù)更實際的應用，在JavaMail API的幫助下，這一切已經(jīng)可能。郵件閱讀器可以定期地檢查收件箱，然后用語音“You have new mail, would you like me to read it to you?”引起你的注意。按照類似的思路，我們還可以考慮一個帶語音功能的提醒器，把它連接到一個日歷應用：它會及時地提醒你“Don't forget your meeting with the boss in 10 minutes!”。 也許你已經(jīng)被這些主意吸引，或者有了自己更好的主意，現(xiàn)在讓我們繼續(xù)。首先我將介紹如何啟用本文提供的語音引擎，這樣，如果你認為語音引擎的實現(xiàn)細節(jié)過于復雜，就可以直接使用它而忽略其實現(xiàn)細節(jié)。

成都創(chuàng)新互聯(lián)長期為上千客戶提供的網(wǎng)站建設服務，團隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為云溪企業(yè)提供專業(yè)的成都網(wǎng)站設計、成都網(wǎng)站建設，云溪網(wǎng)站改版等技術(shù)服務。擁有十載豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

一、試用語音引擎 要使用這個語音引擎，你必須在CLASSPATH中加入本文提供的javatalk.jar文件，然后從命令行運行（或者從Java程序調(diào)用）com.lotontech.speech.Talker類。如果從命令行運行，則命令為： java com.lotontech.speech.Talker "h|e|l|oo" 如果從Java程序調(diào)用，則代碼為： com.lotontech.speech.Talker talker=new com.lotontech.speech.Talker(); talker.sayPhoneWord("h|e|l|oo"); 現(xiàn)在，對于在命令行上（或者調(diào)用sayPhoneWord()方法時）提供的“h|e|l|oo”字符串，你或許有所不解。下面我就來解釋一下。 語音引擎的工作原理是把細小的聲音樣本連接起來，每一個樣本都是人的語言發(fā)音（英語）的一個最小單位。這些聲音樣本稱為音素（allophone）。每一個因素對應一個、二個或者三個字母。從前面“hello”的語音表示可以看出，一些字母組合的發(fā)音顯而易見，還有一些卻不是很明顯： h -- 讀音顯而易見 e -- 讀音顯而易見 l -- 讀音顯而易見，但注意兩個“l(fā)”被簡縮成了一個“l(fā)”。 OO -- 應該讀作“hello”中的讀音，不應讀作“bot”、“too”中的讀音。 下面是一個有效音素的清單： a ： 如cat b ： 如cab c ： 如cat d ： 如dot e ： 如bet f ： 如frog g ： 如frog h ： 如hog i ： 如pig j ： 如jig k ： 如keg l ： 如leg m ： 如met n ： 如begin o ： 如not p ： 如pot r ： 如rot s ： 如sat t ： 如sat u ： 如put v ： 如have w ： 如wet y ： 如yet z ： 如zoo aa ： 如fake ay ： 如hay ee ： 如bee ii ： 如high oo ： 如go bb ： b的變化形式，重音不同 dd ： d的變化形式，重音不同 ggg ： g的變化形式，重音不同 hh ： h的變化形式，重音不同 ll ： l的變化形式，重音不同 nn ： n的變化形式，重音不同 rr ： r的變化形式，重音不同 tt ： t的變化形式，重音不同 yy ： y的變化形式，重音不同 ar ： 如car aer ： 如care ch ： 如which ck ： 如check ear ： 如beer er ： 如later err ： 如later (長音) ng ： 如feeding or ： 如law ou ： 如zoo ouu ： 如zoo (長音) ow ： 如cow oy ： 如boy sh ： 如shut th ： 如thing dth ： 如this uh ： u 的變化形式 wh ： 如where zh ： 如Asian 人說話的時候，語音在整個句子之內(nèi)起落變化。語調(diào)變化使得語音更自然、更富有感染力，使得問句和陳述句能夠相互區(qū)別。請考慮下面兩個句子： It is fake -- f|aa|k Is it fake? -- f|AA|k 也許你已經(jīng)猜想到，提高語調(diào)的方法是使用大寫字母。 以上就是使用該軟件時你需要了解的東西。如果你對其后臺實現(xiàn)細節(jié)感興趣，請繼續(xù)閱讀。

二、實現(xiàn)語音引擎 語音引擎的實現(xiàn)只包括一個類，四個方法。它利用了J2SE 1.3包含的Java Sound API。在這里，我不準備全面地介紹這個API，但你可以通過實例學習它的用法。Java Sound API并不是一個特別復雜的API，代碼中的注釋將告訴你必須了解的知識。 下面是Talker類的基本定義： package com.lotontech.speech; import javax.sound.sampled.*; import java.io.*; import java.util.*; import java.net.*; public class Talker { private SourceDataLine line=null; } 如果從命令行執(zhí)行Talker，下面的main()方法將作為入口點運行。main()方法獲取第一個命令行參數(shù)，然后把它傳遞給sayPhoneWord()方法： /* * 讀出在命令行中指定的表示讀音的字符串 */ public static void main(String args[]) { Talker player=new Talker(); if (args.length0) player.sayPhoneWord(args[0]); System.exit(0); }

sayPhoneWord()方法既可以通過上面的main()方法調(diào)用，也可以在Java程序中直接調(diào)用。從表面上看，sayPhoneWord()方法比較復雜，其實并非如此。實際上，它簡單地遍歷所有單詞的語音元素（在輸入字符串中語音元素以“|”分隔），通過一個聲音輸出通道一個元素一個元素地播放出來。為了讓聲音更自然一些，我把每一個聲音樣本的結(jié)尾和下一個聲音樣本的開頭合并了起來： /* * 讀出指定的語音字符串 */ public void sayPhoneWord(String word) { // 為上一個聲音構(gòu)造的模擬byte數(shù)組 byte[] previousSound=null; // 把輸入字符串分割成單獨的音素 StringTokenizer st=new StringTokenizer(word,"|",false); while (st.hasMoreTokens()) { // 為音素構(gòu)造相應的文件名字 String thisPhoneFile=st.nextToken(); thisPhoneFile="/allophones/"+thisPhoneFile+".au"; // 從聲音文件讀取數(shù)據(jù) byte[] thisSound=getSound(thisPhoneFile); if (previousSound!=null) { // 如果可能的話，把前一個音素和當前音素合并 int mergeCount=0; if (previousSound.length=500 thisSound.length=500) mergeCount=500; for (int i=0; i { previousSound[previousSound.length-mergeCount+i] =(byte)((previousSound[previousSound.length -mergeCount+i]+thisSound[i])/2); } // 播放前一個音素 playSound(previousSound); // 把經(jīng)過截短的當前音素作為前一個音素 byte[] newSound=new byte[thisSound.length-mergeCount]; for (int ii=0; ii newSound[ii]=thisSound[ii+mergeCount]; previousSound=newSound; } else previousSound=thisSound; } // 播放最后一個音素，清理聲音通道 playSound(previousSound); drain(); } 在sayPhoneWord()的后面，你可以看到它調(diào)用playSound()輸出單個聲音樣本（即一個音素），然后調(diào)用drain()清理聲音通道。下面是playSound()的代碼： /* * 該方法播放一個聲音樣本 */ private void playSound(byte[] data) { if (data.length0) line.write(data, 0, data.length); } 下面是drain()的代碼： /* * 該方法清理聲音通道 */ private void drain() { if (line!=null) line.drain(); try {Thread.sleep(100);} catch (Exception e) {} }

現(xiàn)在回過頭來看sayPhoneWord()，這里還有一個方法我們沒有分析，即getSound()方法。 getSound()方法從一個au文件以字節(jié)數(shù)據(jù)的形式讀入預先錄制的聲音樣本。要了解讀取數(shù)據(jù)、轉(zhuǎn)換音頻格式、初始化聲音輸出行（SouceDataLine）以及構(gòu)造字節(jié)數(shù)據(jù)的詳細過程，請參考下面代碼中的注釋： /* * 該方法從文件讀取一個音素， * 并把它轉(zhuǎn)換成byte數(shù)組 */ private byte[] getSound(String fileName) { try { URL url=Talker.class.getResource(fileName); AudioInputStream stream = AudioSystem.getAudioInputStream(url); AudioFormat format = stream.getFormat(); // 把一個ALAW/ULAW聲音轉(zhuǎn)換成PCM以便回放 if ((format.getEncoding() == AudioFormat.Encoding.ULAW) || (format.getEncoding() == AudioFormat.Encoding.ALAW)) { AudioFormat tmpFormat = new AudioFormat( AudioFormat.Encoding.PCM_SIGNED, format.getSampleRate(), format.getSampleSizeInBits() * 2, format.getChannels(), format.getFrameSize() * 2, format.getFrameRate(), true); stream = AudioSystem.getAudioInputStream(tmpFormat, stream); format = tmpFormat; } DataLine.Info info = new DataLine.Info( Clip.class, format, ((int) stream.getFrameLength() * format.getFrameSize())); if (line==null) { // 輸出線還沒有實例化 // 是否能夠找到合適的輸出線類型？ DataLine.Info outInfo = new DataLine.Info(SourceDataLine.class, format); if (!AudioSystem.isLineSupported(outInfo)) { System.out.println("不支持匹配" + outInfo + "的輸出線"); throw new Exception("不支持匹配" + outInfo + "的輸出線"); } // 打開輸出線 line = (SourceDataLine) AudioSystem.getLine(outInfo); line.open(format, 50000); line.start(); } int frameSizeInBytes = format.getFrameSize(); int bufferLengthInFrames = line.getBufferSize() / 8; int bufferLengthInBytes = bufferLengthInFrames * frameSizeInBytes; byte[] data=new byte[bufferLengthInBytes]; // 讀取字節(jié)數(shù)據(jù)，并計數(shù) int numBytesRead = 0; if ((numBytesRead = stream.read(data)) != -1) { int numBytesRemaining = numBytesRead; } // 把字節(jié)數(shù)據(jù)切割成合適的大小 byte[] newData=new byte[numBytesRead]; for (int i=0; i newData[i]=data[i]; return newData; } catch (Exception e) { return new byte[0]; } } 這就是全部的代碼，包括注釋在內(nèi)，一個大約150行代碼的語音合成器。

三、文本-語音轉(zhuǎn)換 以語音元素的格式指定待朗讀的單詞似乎過于復雜，如果要構(gòu)造一個能夠朗讀文本（比如Web頁面或Email）的應用，我們希望能夠直接指定原始的文本。 深入分析這個問題之后，我在本文后面的ZIP文件中提供了一個試驗性的文本-語音轉(zhuǎn)換類。運行這個類，它將顯示出分析結(jié)果。文本-語音轉(zhuǎn)換類可以從命令行執(zhí)行，如下所示： java com.lotontech.speech.Converter "hello there" 輸出結(jié)果類如： hello - h|e|l|oo there - dth|aer 如果運行下面這個命令： java com.lotontech.speech.Converter "I like to read JavaWorld" 則輸出結(jié)果為： i - ii like - l|ii|k to - t|ouu read - r|ee|a|d java - j|a|v|a world - w|err|l|d 這個轉(zhuǎn)換類是如何工作的呢？實際上，我的方法相當簡單，轉(zhuǎn)換過程就是以一定的次序應用一組文本替換規(guī)則。例如對于單詞“ant”、“want”、“wanted”、“unwanted”和“unique”，則我們想要應用的替換規(guī)則可能依次為： 用“|y|ou|n|ee|k|”替換“*unique*” 用“|w|o|n|t|”替換“*want*” 用“|a|”替換“*a*” 用“|e|”替換“*e*” 用“|d|”替換“*d*” 用“|n|”替換“*n*” 用“|u|”替換“*u*” 用“|t|”替換“*t*” 對于“unwanted”，輸出序列為： unwanted un[|w|o|n|t|]ed (規(guī)則2) [|u|][|n|][|w|o|n|t|][|e|][|d|] (規(guī)則4、5、6、7) u|n|w|o|n|t|e|d (刪除多余的符之后) 你將看到包含字母“wont”的單詞和包含字母“ant”的單詞以不同的方式發(fā)音，還將看到在特例規(guī)則的作用下，“unique”作為一個完整單詞優(yōu)先于其他規(guī)則，從而“unique”這個單詞讀作“y|ou...”而不是“u|n...”。

java可以實現(xiàn)語音識別嗎

這個是可以實現(xiàn)的。

注：test.pcm是語音文件，可以用audacity軟件打開，選擇 文件-導入-裸數(shù)據(jù)。 設置采樣率為8000Hz。點擊播放就能聽見聲音了。

這個時候程序跑起來還有問題，需要將apiKey 以及secretKey填寫上。這兩個值是你申請應用對應的分配好的。

cuid填本機mac地址就可以了，這個值我試過好像無所謂沒啥要求。

程序能跑起來，并且按照正常返回識別的語音結(jié)果。但是返回結(jié)果的編碼為GBK，所以漢字顯示為亂碼，需要對其進行一次轉(zhuǎn)碼。轉(zhuǎn)碼的代碼是我自己加上去的

java如何實現(xiàn)中文語音轉(zhuǎn)換文字

沒有直接的java類庫調(diào)用，只能通過JNI技術(shù)調(diào)用操作系統(tǒng)提供的TTS支持才能實現(xiàn)。

Java有沒有語音處理的庫？錄音，語音轉(zhuǎn)文字之類的？

沒有的哦。不過想要將錄音或者語音轉(zhuǎn)換成文字的功能也是可以完成轉(zhuǎn)換的 。

當需要完成轉(zhuǎn)換的時候。在錄音轉(zhuǎn)文字助手這個工具上是可以完成轉(zhuǎn)換的。

在應用市場或者百度手機助手里面能夠幫助完成轉(zhuǎn)換的哦。