【ESP32-Korvo测评】四：文字转语音TTS

数码小叶

【ESP32-Korvo测评】四：文字转语音TTS [复制链接]

 

上一篇已将安装好了智能语音助手ESP-Skainet，这次来实际体验一个应用就是文字转语音，为了测试这个，从网上买了两个喇叭，用其中一个4Ω 2W的来测试，之前分析过原理图，最高可以带载4W的喇叭。

要进行文字转语音，首先要有一个预定义的声音集，乐鑫提供里两种方式，一种是用户程序里调用预定义的语音库，一种是从特定的语音分区里调用初始化，乐鑫推荐使用第二种，因为第一种可能是app bin的大小超过ESP32的限制。

采用第二种方法，要先把音频文件单独烧写进去

 

 

在TTS例程中，用到了自定义分区表，在CSV文件中，有这么一行

voice_data, data,  fat, 0x100000, 3M

CSV是ESP32的分区表文件，ESP32 在 flash 的 默认偏移地址 0x8000 处烧写一张分区表。该分区表的长度为 0xC00 字节（最多可以保存 95 条分区表条目）。分区表数据后还保存着该表的 MD5 校验和，用于验证分区表的完整性。此外，如果芯片使能了 安全启动 功能，则该分区表后还会保存签名信息。分区表中的每个条目都包括以下几个部分：Name（标签）、Type（app、data 等）、SubType 以及在 flash 中的偏移量（分区的加载地址）。

从idf.py menuconfig里可以看到，ESP32有三种分区表可以选择，两种系统定义好的，一种自定义的,预先定义好的两个差别是是否包含OTA分区，产品应用的OTA肯定必不可少，但是平时测试，没必要包含OTA了

 

 

分区表中的SubType内容与具体Type有关，目前，esp-idf 仅仅规定了 “app” 和 “data” 两种子类型。当 Type 定义为 app 时，SubType 字段可以指定为 factory (0)，ota_0 (0x10) … ota_15 (0x1F) 或者 test (0x20)。当 Type 定义为 data 时，SubType 字段可以指定为 ota (0)，phy (1)，nvs (2) 或者 nvs_keys (4)。其它数据子类型已预留给 esp-idf 未来使用。所以从文档里找不到这里用到的子类fat,于是只能从程序里倒推，打开esp_partition.h文件，可以找到fat的定义

 

 

 

这个音频文件比较大，有2.8MB，但是烧写速度还是比较快的，不是直接在ESP-IDF中烧录，跳转到git bash中烧录

 

编译完工程，给板子接上喇叭

 

语音文件烧写完成后，还需要烧写程序文件

 

程序烧写完成后就会听到“欢迎使用乐鑫语音合成”

随后就可以通过串口，往板子里输入汉字或者英文字符

可以连续输入，识别转化很快，就是有一点，汉字是连续发音的，英文字符是单个发音的，然后还有一点不完美的地方，就是这个音量很小，那当然是要调节一下了，在MediaHal.h找到了相关的操作函数，MediaHalSetVolume(int volume);最后测试，70的音量大小对于我接的这个喇叭听着刚刚好，那后面就都设置为70了。MediaHalSetVolume(70)。

一步步的体验学习过来，中间解决的bug越多，越能感受到ESP32-Korvo这块板子带来的吸引力

数码小叶

 

yangjiaxu

哈哈哈，喇叭都一样，这个TTS 还是很好用的

数码小叶

yangjiaxu 发表于 2021-2-11 17:31 哈哈哈，喇叭都一样，这个TTS 还是很好用的

第一次买喇叭，下次买带线和接口的了，不然用起来麻烦

littleshrimp

数码小叶 发表于 2021-2-8 08:38  

这个喇叭的声音听起来这么刺耳

zeroto_one

推荐你 科大讯飞XFS5152CE，体积小，中英文TTS合成

数码小叶

littleshrimp 发表于 2021-3-22 21:04 这个喇叭的声音听起来这么刺耳

对，声音调大后更明显，但是就买了一个，不知道是喇叭还是驱动的问题，下次再买个不同的回来对比看下

zxopenljx

谢谢分享