[发明专利]实现从文本到语音TTS的音频转码方法、装置及系统

说明书

技术领域

本发明涉及通信领域，具体而言，尤其涉及一种实现从文本到语音TTS的音频转码方法、装置及系统。

背景技术

媒体服务器用于所有与音视频相关的媒体处理，包括视频和音频RTP数据流到视音频文件的相互转换。同时，也负责接收用户通过终端的DTMF输入、播放业务的引导语音、显示动态的引导画面。它具有的SIP协议和MSML/MOML能力使得其能在应用服务器APP的控制下完成整个会话过程的与用户的交互。

媒体控制单元(MSCU)是媒体服务器中的一个重要单元，主要完成与其他实体进行能力协商，提供资源本身的管理、维护以及控制其它业务资源单元完成复杂业务的功能。

媒体存储传输音频单元(MSTU-audio)是媒体服务器中的业务资源单元，完成海量的音频数据存储，包括实现音频文件播放功能。媒体存储单元上有对外网口，可以直接通过单元上的对外网口收发。

媒体存储传输视频单元(MSTU-video)是媒体服务器中的业务资源单元，完成海量的多媒体音视频数据存储，包括实现视频文件播放功能。媒体存储单元上有对外网口，可以直接通过单元上的对外网口收发。

现在，媒体服务器播的使用很广。主要可以归纳为音视频播放，收号和会议等功能。

从文本到语音(Text To Speech，简称为TTS)的功能是将输入的文本信息识别出来，转化为语音信息，将语音媒体发送给用户。目前在电信领域，TTS的应用基本是配置一个专门的TTS服务器，通过信令指定TTS将语音发送到用户端来完成一次业务。

图1是根据相关技术的实现TTS音频转码的系统结构示意图。如图1所示，该系统的工作流程包括如下步骤：

步骤101：终端发起一次呼叫，激活APP的业务。APP向媒体服务器发起业务流程；

步骤102：APP通过SIP信令向媒体服务器请求TTS业务；

步骤103：媒体服务器通过SIP信令向TTS服务器请求TTS资源，并通过MRCP协议控制TTS服务器完成业务功能；

步骤104：TTS服务器向终端发送媒体

以上便是目前典型的组网和业务流程。TTS服务器作为媒体服务器的外置设备使用。APP在请求业务的时候只是向媒体服务器发起，媒体服务器判断业务类型，当业务类型为TTS应用时，媒体服务器再向TTS服务器发起请求，申请资源，并控制TTS服务器的行为，TTS服务器在收到信令后自动将媒体发送给远方的终端。

以上流程能完成一个基本的TTS业务。不过随着业务的应用的扩展出现了一些问题。比如，TTS服务器的音频能力集同媒体服务器能力集不匹配的问题，造成业务失败。因为APP在同媒体服务器协议SDP的时候，媒体服务器并不知道业务类型是否是TTS，所以会按照自己的能力范围同终端协商音频参数。当APP向媒体服务器下发INFO指令时，媒体服务器才能识别出TTS业务类型，此时媒体服务器通过终端SDP信息向TTS服务器申请资源。如果TTS服务器的音频能力范围不满足媒体服务器同终端协商出的结果，就是造成业务失败。比如：媒体服务器同终端协商出编解码类型为G726格式，但是TTS服务器只支持G711的音频格式。。

针对上述现有技术中在TTS服务器的音频能力集无法满足媒体服务器的业务需求的情况下，终端访问媒体业务数据包数据失败的问题，目前还没有有效的解决方案。

发明内容

本发明的主要目的在于提供一种实现从文本到语音TTS的音频转码方法、装置及系统，以解决现有技术中在TTS服务器的音频能力集无法满足媒体服务器的业务需求的情况下，终端访问媒体业务数据包数据失败的问题。

为了实现上述目的，根据本发明的一方面，提供了一种实现从文本到语音TTS的音频转码方法。

根据本发明的实现TTS音频转码的方法包括：媒体服务器接收来自应用服务器APP的访问请求，并确定媒体服务器支持的编解码类型集；媒体服务器接收APP申请的TTS业务请求，并根据TTS业务类型向TTS服务器申请满足该业务类型的媒体业务数据包；媒体服务器根据编解码类型集与TTS服务器进行协商，以获取协商后的音频编解码类型，并按照音频编解码类型将媒体业务数据包转码后发送至终端。