背景
最近项目上有个需求，需要对告警信息进行语音播放。设备上报告警内容，平台需要识别出告警内容，然后通过语音的方式进行播放。很多SaaS实现此功能都是通过调用第三方的能力接口，比如：科大讯飞、微软、各云厂商。本着能省则省的原则，我们打算自己基于开源开发个服务，并对内提供能力。调研了一些开源实现，发现eSpeak是比较好的一个选择。
eSpeak linux版本
linux版本安装比较繁琐，依赖比较多，我们操作系统是centos，是直接使用yum进行安装。
yum search espeak
选择匹配的版本直接安装即可：
yum install espeak.x86_64
安装好后，执行:
espeak -vzh "什么"
Full dictionary is not installed for 'zhy' espeak_Synchronize() failed, maybe error when opening output device
由于我们服务器无声卡输出设备，所以是听不到声音的。那么可以先生成音频文件，然后下载到window上来播放。
通过命令espeak --help，来查看相关命令。可以找到输出音频文件的命令：
espeak -vzh "【疫情报警】提醒您:住户B4-108于2022-01-06 15:02:31 [门被打开]，隔离人：B4-108，电话：13000000000" -w b.wav
将wav下载到本地播放即可。
Linux开源版本的中文语音库很是不清晰也不太全，是无法达到商业用途的。
eSpeak windows版本
相比linux版本，window版本安装好后，会多一个微软的huihui中文语音库，这个语言库还是相当不错的，相比linux里面的开源中文语音库，好了数倍，接近真人发音了。完全能满足商业需求。
这样一来，我们就有了比较好的解决方案：
申请一个windows操作系统的虚拟机，然后装window版本espeak，这样能利用微软的huihui中文语言库。当然，相对于linux，window操作系统是闭源收费的。然后对外提供服务即可。
网友评论