eSpeak-NG 中 MBROLA 语音引擎的配置与使用指南

前言

MBROLA 是一款开源的语音合成引擎，它提供了多种语言的语音库（diphone voices）。虽然这些语音库可以免费用于非商业用途，但它们并不是开源的。eSpeak-NG 作为一款优秀的文本转语音引擎，可以与 MBROLA 配合使用，为 MBROLA 提供文本到音素的转换和语调处理功能。

MBROLA 语音库概述

语音命名规则

在 eSpeak-NG 中，MBROLA 语音的命名遵循以下格式：

mb-xxN

其中：

• xx 代表语言代码
• N 代表该语言的第 N 个语音变体

例如：

• mb-en1 表示使用 MBROLA 的英语语音 en1
• mb-de4-en 表示使用德语语音 de4 来朗读英语文本（会产生德国口音的英语）

支持的语音列表

eSpeak-NG 支持多种 MBROLA 语音，包括但不限于：

语音代码	语言	性别
af1	南非荷兰语	男声
cn1	汉语普通话	女声
en1	英式英语	女声
fr1	法语	男声
jp1	日语	男声
ru1	俄语	男声

（完整列表请参考官方文档）

安装指南

Windows 系统安装

1. 首先安装 eSpeak-NG，安装时选择包含 mb-en1 等 MBROLA 语音

2. 下载并安装 MBROLA 工具包（MbrolaTools35.exe）

3. 下载所需的语音数据文件（如 en1）

4. 将语音数据文件放置在 C:/Program Files/eSpeak/espeak-ng-data/mbrola 目录下

Linux 系统安装

通过包管理器安装（推荐）

对于基于 Debian/Ubuntu 的系统：

sudo apt-get install mbrola mbrola-en1

其中：

• mbrola 是主程序包
• mbrola-en1 是英语语音数据包

从源码安装

1. 安装编译依赖：

sudo apt-get install git make gcc

2. 克隆 MBROLA 仓库并编译：

git clone MBROLA仓库地址
cd MBROLA
make
sudo cp Bin/mbrola /usr/bin/mbrola

3. 下载语音数据并放置在 /usr/share/mbrola/xxN/xxN

使用方法

基本使用

使用 MBROLA 语音朗读文本：

espeak-ng -v mb-en1 "Hello world"

生成音素数据

生成 MBROLA 音素文件：

espeak-ng -v mb-en1 -q --pho "Hello world"

音频输出控制

通过管道输出到音频播放器：

espeak-ng -vmb-en1 --stdout "Hello world" | aplay

添加新的 MBROLA 语音

1. 添加语音定义文件

在 espeak-ng-data/voices/mb 目录下创建文件 mb-xxN，内容至少包含：

mbrola xxN xxN_phtrans

2. 创建音素转换文件

在 phsource/mbrola 目录下创建文件 xxN，定义 eSpeak-NG 音素到 MBROLA 音素的转换规则。

转换规则格式：

<控制位> <eSpeak音素1> <eSpeak音素2> <百分比> <MBROLA音素1> [<MBROLA音素2>]

3. 编译语音并更新构建配置

编译单个语音：

espeak-ng --compile-mbrola=xxN

更新 Makefile.am 文件，添加新语音的编译规则。

技术细节

音素转换原理

eSpeak-NG 负责：

1. 文本分析
2. 音素转换
3. 语调处理

MBROLA 负责：

1. 根据音素序列生成语音波形
2. 音素时长调整
3. 基频控制

性能考虑

MBROLA 语音通常比 eSpeak-NG 原生语音质量更高，但：

• 需要额外的语音数据文件
• 内存占用更高
• 启动时间稍长

常见问题解答

Q: 为什么某些 MBROLA 语音听起来不自然？ A: 这可能是因为：

1. 音素转换规则不完善
2. 该语音库覆盖的音素组合有限
3. 语调处理不够理想

Q: 如何检查语音库包含哪些音素组合？ A: 使用命令：

mbrola -d /usr/share/mbrola/en1/en1

结语

通过 eSpeak-NG 与 MBROLA 的结合，用户可以获得比原生 eSpeak-NG 更高质量的语音合成效果。本文详细介绍了配置和使用方法，希望对开发者有所帮助。对于特殊需求，如支持新的语言或优化现有语音，可以参考本文的扩展指南部分进行自定义开发。