《论语》TTS有声版发布啦！

Sun, 31 Dec 2017 00:00:00 +0000

缘起
文本和音频
播放列表和字幕
已知问题
附录：字词替换表

缘起

《论语》有声版？难道还不够多吗？

同样的问题，它的父项目《一瓶论语》在“前言”和“使用说明”里作了回应。有声版呢？还是用软件读？开玩笑吧？

真人有声版《论语》的确不少，有些还提供免费下载。与它们相比，这个TTS有声版的主要优点，一是中立，二是扎实，三是自动化。至于开源项目的天然优势，比如容易及时更新，已经在《一瓶论语》里说得很详细。

“TTS”是“Text to Speech”的缩写，它通过软件自动把文字内容“合成”为语音信号，直接“读”出声音或者保存成音频文件。2个多月前，我偶然被自己安卓手机上“Google文字转语音引擎”朗读中文网站文章的质量吸引，自然就想到，用它读文言文会怎样呢？有可能流畅自然地朗读《论语》吗？这种人文和一点点技术相结合的题目，总让我兴趣盎然，《论语》TTS有声版就是后来不断试验的一个小结。

让人开心的是，只要不太多的辅助，Google TTS就能把2500年前的文言文读得像模像样。请试听一下：

哎呀，你的浏览器不支持直接播放MP3，请试试最新版的Chrome或者Firefox浏览器吧。

这里的辅助工作，主要是帮助TTS引擎断句，还有多音字和难字的辨析。然后，就可以把整个的“台词”交给TTS引擎自动处理了。更棒的是，安卓系统开放了TextToSpeech开发接口，尽管控制的范围不如我希望的丰富，但也足以按章朗读，统一合并，然后自动生成播放列表和同步字幕了。限于时间，我只用Google TTS做了试验。其它优秀的TTS引擎，比如科大讯飞，相信也会有出色的表现。

显然，与真人相比，Google TTS的“播音腔”没太有感情，也缺乏变化。换一个角度想，对于《论语》来说，这正是它的独特优点。《论语》是中国传统文化的精华，每个人心中都应该为它留出方寸之地，不断咀嚼玩味，形成独立的理解。一个值得反复聆听的“标准”有声版，就应该字正腔圆，不带主观色彩，对原文一视同仁，没有分心的背景音乐。对于《论语》，这种去掉阅读者“理解”和其它修饰的朴素版，似乎更容易激发听者自身的共鸣，缩短从声音到心灵的距离，而不会一遍惊艳，两遍三遍不过尔尔，然后束之高阁，甚至有所厌弃。这就是软件朗读“中立”的意义。

诚然，目前的阅读效果还有不少不太自然的地方（见后面的已知问题）。如果你把TTS引擎当成一个刚认字的孩子，虽然还不太理解《论语》的含义，仍在努力把它读顺（而且会越来越顺！），感受就会好得多。我在这两个月里听过不下100遍，仍然兴味盎然，似乎可以作为一个佐证。

这个《论语》TTS有声版，就是希望成为一个反复可听、持续改进的“标准版”。而且听得多了，总会有自己朗读一个“完美版”的创作冲动。我当然希望看到更多严谨到位的真人版不断问世。

文本和音频

本项目的主要内容是两个文本文件：

ly.txt：从《一瓶论语》自动提取的《论语》原文，作为TTS引擎“台词”文本的基础，并用来制作字幕。
ly-tts.txt：TTS引擎的“台词”文本，所有的手工修改都是在它上面进行的，最后送入TTS引擎，生成前面的音频文件。

如果让TTS引擎直接朗读ly.txt，最明显的问题就是很多多音字、难字都读错了，所以要找读音确定的同音字来替换。为了不影响TTS分词的效果，应该尽量考虑所用字的词性和含义。同等条件下，选择原文没用过的字也许好一些。这个列表比较长，放在了附录的字词替换表中。

现在每个字都能正确发音了，连起来一听还是怪怪的，原因就在于断句。《论语》毕竟是2500年前的古汉语，我们现代人如果只看白文版，也很难一次读通顺，何况是对古文所知寥寥的软件呢？所以，需要选择性地插入或者删除一些标点符号，给TTS引擎足够的提示。这里占用的时间最多，需要反复修改比对。传统的“句读”（dòu）是从段落中分隔出句子（添加。？！等），从句子中分隔出“子句”（添加，；、等），这里的粒度更细，要在连读错误的“子句”内部分隔词组。古汉语的一个显著特点是单字成词，所以TTS引擎的很多先验知识就不成立了。断句的处理包括：

删除：“ ” ‘ ’ 《》
替换：： → ，
选择性替换：、 → ，
选择性添加：，’（短间隔，用于长难句的句读）

举例来说，1.6章的“弟子入则孝，出则悌”，如果不在“子”、“入”之间加一个短间隔，就会把“弟子入”连读，“入”的发音既轻且短。短间隔’的停顿比顿号更短一些，是我经过试验发现的，其它的TTS引擎未必表现相同。如果TTS引擎允许在文本中直接插入描述性标记，比如间隔时间、汉语拼音、轻重，甚至语气、场景等，用起来可以更灵活。

至此，用阅读软件打开ly-tts.txt，就可以调用Google TTS引擎，随点随读或者导出音频了。目前Google TTS的普通话语音数据包还只有女声一种。需要特别表扬的是，2017年12月更新的程序及其数据包比之前的效果进步明显，发音和断句更自然，读错的字也少了很多。可以预期，随着技术的演进，这个TTS版的质量也会持续提高，越来越接近“完美中立”的目标。

考虑到现代文和文言文的差异，朗读前会把所有的逗号、分号替换成句号。本项目发布的ly-tts.mp3，使用了0.9倍的阅读速度，总长度是108分钟出头，或者说6496秒。一些地方听起来会显得稍赶，但我觉得，《论语》这样的经典文本，就应该听到熟极而流的程度，所以没有再作调整。大家当然可以根据自己的喜好选择阅读速度，或者进一步修改，比如整体调高音调，变成童声的效果。

为了便于生成播放列表和字幕，我从每一章分别导出wav文件（synthesizeToFile），用sox在各文件末尾增加0.25秒静音后，合并成单个wav，最后用ffmpeg转换成mp3。对于有声书来说，32 kbps和64 kbps都是常见的选择，考虑到频繁的静音间隔，32 kbps VBR的表现我觉得已经挺好了。最后的文件体积约为25 MB。

播放列表和字幕

出于对目录的偏爱，我还制作了详细的播放列表（cue）、歌词（lrc）、字幕（srt），放在本项目附带的subtitles.zip里。它们都是从ly.txt和sox处理后的多个wav文件自动生成的，没什么稀奇之处，这里只展示一下使用效果。

Windows上，我喜欢用foobar2000播放音频。可以用它打开播放列表ly-tts.cue，并在旁边同步滚动歌词ly-tts.lrc（需要Lyric Show Panel 3插件）：

foobar2000目前严格遵循“最多99首歌”的播放列表规则，所以没法打开精确到章、总共“532首歌”的ly-tts-detailed.cue。【2018-2-4更新：从v1.4 beta2起，foobar2000将cue播放列表的曲数上限提高到999。】如果用PotPlayer，就没有这个限制，而且它既可以用ly-tts.lrc，也可以用ly-tts.srt当字幕，全屏观看的效果是很好的：

安卓手机上，AIMP支持cue播放列表，可惜还不支持同步歌词：

MX Player则支持同步字幕ly-tts.srt：

其它平台上，想必也有比较合理的解决方案。

已知问题

平心而论，目前这个版本的阅读效果不乏惊艳之处，但总有一些明显不够流畅自然的地方，记录在这里，希望可以在后续的程序和数据包中得到改进。

发音偏轻，长度偏短

1.14，“就有道”的“就”，应该是没有被理解为动词approach，而是副词just。相比之下，12.19的“如杀无道以就有道”，16.1的“陈力就列”，因为是连在一句内，就稍好一些。
5.7，“由也耗勇过我”的“过”，没有被理解为动词exceed，而是当成副词ever，读得偏轻偏短。另外一些“过”也有这个问题，尤其是句子结尾的“有过”，包括7.31“苟有过”，20.1“百姓有过”。

发音偏重

8.21，“悱饮食而致孝乎鬼神，恶衣服而致美乎黻冕，卑宫室而尽力乎沟洫”的3个“乎”。

字间隔偏长

这是“子句”内的字之间，间隔偏长的情况：

1.13，“言可复也”，句末的“也”，没有很好地作为助词处理，在前面多加了一个小间隔。其它的例子包括4.5“是人之所欲也……是人之所悟也”，6.15“非敢后也”，7.28“智之次也”。
2.18，“干禄”，也许是“干”没有被当成动词？
3.21，“夏后氏”，没有理解“夏后”是独立的姓氏，导致“氏”之前的间隔较长。16.1“季孙之忧”的“季孙”也是这样。
7.7，“束脩”，似乎没有被当成独立的名词，两个字的间隔略长。
19.23，“室家”，“而入”。

句间隔偏长

这是“子句”之间间隔偏长的情况，就像我们自己读文章，“一口气没接上来”：

1.10，“夫子’温、良、恭、俭、让’以德之。夫子之求之也……”，两句的间隔比正常情况偏长。
14.18，“与文子同升诸公。子闻之”。
16.1，“而必谓之辞。丘也闻”。

通过调整标点，一定程度上解决了其它若干处问题：

9.10，“子见资摧者、冕衣常者’与瞽者，见之”，“见之”之前。改成“资摧者，冕衣常者，与瞽者”，则好一些。这应该是添加’的副作用。
11.26，“子路、增皙、冉有、公西华侍坐。子曰”，“子曰”之前。把人名间的顿号改为逗号，虽然拖沓了一些，但消除了这个长间隔。
12.11，“子不子，虽有粟”。把原来的顿号都改成逗号，就消除了这个长间隔。

连读颤音

这种情况，大多数与w、u、o、y音有关。

4.7，“人之过也”的“过”。其它的例子包括14.13“以告者过也”，16.1“且尔言过矣”，19.8“小人之过”，19.12“言游过矣”，19.21两处“过也”。
5.12，“加诸我也”的“我”。其它的例子包括6.9“复我”，7.11“惟我”，7.16“于我如浮云”，9.11“博我以文，约我以礼”，11.4“回也非助我者也”，11.11“非我也”，13.10“苟有用我者”，17.1“岁不我与”，17.5“召我”、“用我”。
8.6，“不可夺也”的“夺”。
11.26，“唯国以礼”的“国”。
12.10，“是惑也”的“惑”。
14.11，“则优”的“优”。
14.34，“或曰”的“或”。
16.5，两处“三乐”的“乐”，过渡不够自然。
17.20，“辞以疾”的“以”。
19.1，“丧思哀”的“哀”。

句末短音

2.4，“七十而从心所欲不逾矩”的“矩”，听起来有点像读成了jù，但换成“举”、“沮”等同音字也一样，所以并不是读错了。真人朗读经常也会这样：因为“矩”处于整章结尾，如果这个字并不特别重要，往往会结束过快，切掉靠后的音节长度，效果接近于轻声，听起来像是第4声。如果有选项控制一个字发音饱满就好了。另一个例子是3.22“邦君为两君之好”，“好”也有点像第4声。

错读无替换

1.15，“如切如磋”的“切”读为qiè，而且没有读qiē的字可以替换。这个问题已经向Google提交了反馈，目前只得手工修改1.15导出的wav文件（唯一需要手工修改的地方）。方法是，用同样的配置朗读“正切如磋”（此时读为qiē），截取后三个字的波形，替换原来的三个字。

附录：字词替换表

说：悦
弟：悌
好：耗
鲜：显
与：欤，预
女：汝
省：醒
道：导
乘：剩
没：殁
共：拱
曾：增
知：智
阙：缺
相：象
乐：跃
宁：泞
亡：无
监：鉴
大：太
处：楚
朝：昭
放：仿
参：身
逮：待
妻：器
几：机
给：挤
斐：匪
少：邵
恶：悟，乌
孙：逊
衣：翼
澹：谭
语：遇
识：制
和：贺
校：较
间：鉴
钻：躜
予：余
贾：古
缊：愠
便：骈
躩：攫
蹜：宿
绤：细
冠：关
衰：摧
讱：韧
鞟：廓
陶：姚
乡：向
中：重
长：掌
齐：斋，资
见：现
期：基
丧：桑
夫：扶
率：帅
莫：暮
数：硕，树
柏：摆
塞：腮
得：德
小子：小紫
陈成子：陈成紫
韫：蕴
屏：禀
貉：河
裳：常
硁：坑
斗：抖
行：型，沆
占：沾
偲：思
南宫适：南宫括
裨：皮
要：邀
召：劭
被：披
发：珐
辟：避
蒉：篑
荷：赫
难：婻
陈：阵
遂：碎
卷：呟
薄：伯（Google TTS读为báo，共2处：8.3“如履薄冰”、15.15“薄责于人”。按商务版《现代汉语词典》、《现代汉语学习词典》，读bó为宜。）
归：馈
时：伺
亟：气
佛：必
沮：巨
蓧：钓
食：饲
泥：腻
更：耕
量：梁
磷：赁
曲：屈
菲：悱
侗：僮
华：花
栖：西
揭：弃
徼：焦
一：衣，宜，意
为：唯（do, be, fake, by, end-of-sentence aux.），谓（for, because, help）
有：又
杀：晒

Web版上线啦！

Sat, 18 Jun 2016 00:00:00 +0000

排版良好的PDF比较有书的气息，可对大多数人来说，随时随地就能打开的网页显然更方便吧。

Web版真是久等了！《一瓶论语》的源代码是LaTeX，直接生成的是PDF电子书。Web版是从LaTeX自动转换来的，除了载体不同的必要处理以外，它和PDF版的内容基本一致，只是更新得频繁一点。

点击主页的两张封面图片，就分别进入《一瓶论语》和《论语》白文版：

（如果你是Windows XP用户，建议安装Firefox浏览器，用它看得更清爽。）

[2016-7-8更新] 点击《一瓶论语》封面思维导图的节点，可以跳转到对应的主题索引。

因为内容里有很多交叉引用，目前又租不起独立的服务器，所以《一瓶论语》和《论语》白文版都放在了单个页面上。《一瓶论语》的页面有1 MB之巨，幸好传输时会被压缩到300 KB左右，加载起来也不会很慢。如果是用内存较小的手机阅读，刚开始也许会有些迟钝。

网页不方便像PDF那样使用很多字体，所以就改成了不同的颜色。后面还会继续改善它的设计，让尽量多的人都用得上。

网页比PDF灵活很多，即使是静态页面，也可以尝试各种效果。目前优先照顾手机阅读的方便，用各种配置的设备都能大体舒适地阅读才好，所以只在顶层导航条添加了4个按钮，从左到右是：

转转，随机跳到某一章，便于刷新印象。
留言，跳转到留言区，可以在那里发表评论，参与讨论。
目录。
设置。

“目录”按钮显示章节标题的下拉菜单。考虑到网页浏览的便利，Web版的章节顺序作了调整，把不太重要的“前言”和“使用说明”移到“主题索引”之后：

点击菜单标题，就跳转到内文的对应位置。点击标题右边的∨形，就展开次级目录，然后可以点击∧形返回上一级：

“设置”菜单里的“显示章号”，用来切换是否显示每一章右上角的序号（PDF版的章号放在每一章之外的左上角）。其它3项跳转到相应的网址。

[2016-6-20更新] 章号也可以点击，它会在两个版本的相同章之间切换。如果只想读原文，偶尔才去看注解，或者反过来，这样会很方便。

[2018-7-26更新] 为白文版增加了搜索框，可以动态过滤各章文本了。2个快捷键：s = 定位到搜索框；定位到搜索框后，Esc = 清除搜索内容。

根据试验，在目前体积的页面上添加动态效果，一般配置的手机处理起来比较缓慢。所以会采取两条路线：

今天上线的Web版，目标是在大部分智能手机上流畅地阅读（如果安装了Chrome浏览器，也许效果更好），今后也会越变越轻快。
此外还将增加一个“高配置”Web版，适合使用电脑或者高端手机、Pad阅读。它会加上我理想中当然要有、但又不得不放弃了的所有阅读便利。

欢迎支招，敬请期待！:blush: