3个开源TTS（五）eSpeak1.06的源码调试分析

   这一篇介绍eSpeak1.06源码的编译调试及基本框架。
   上篇详细说明了eSpeak的调试环境的搭建，调试则和一般的gdb调试命令行调试区别不大，只不过是有了vim的代码界面和vimgdb提供的gdb命令的快捷键。为了调试肯定要有已经编译好的speak可执行文件，当然前面已经说过增加-g参数，这里直接make即可，而后#vim speak.cpp进入编辑界面，因为运行过run macros/gdb_mappings.vim了，所以直接按空格键进入调试命令行，file speak加载可执行文件，会看到vimgdb的模式状态、gdb的版本信息，再在命令行下按个回车会看到加载speak成功的提示： 
 17 (gdb) file speak
 18 Reading symbols from /opt/tts/speak-1.06-source/src/speak...done.
 而如果之前在speak的makefile中没有修改，则会提示没有调试信息。 Ctrl+B在speak.cpp中添加断点，Shift+R键运行，Ctrl+P（命令行中p命令）输出变量值等；一般调试会有两个问题：
    一是如何运行时带参数，即这里想要保存为WAV文件，运行时需要-w参数和保存的WAV文件名。这时可以在命令行下通过r命令加参数来执行，即：r -w test就是运行speak -w test，当然前提是你已经加载了speak。
    二是调试运行中，需要和终端交互即输入输出，参考【1】中方法，通过tty /dev/pts/1命令来重定向标准输入输出其中的1数字可以在新开的终端通过tty命令查看。但是据说在Ubuntu中（我的是debian）会出现 “warning: GDB: Failed to set controlling terminal: 不允许的操作”提示，据说是个bug，没有解决，但是它在这里并不影响我们的输入，因此，只要在需要输入的时候，输入即可，比如这里输入“hello world”，回车之后虽然重定向的终端提示没有此命令，而后你再输入一遍，终端上没有回显，但其实已经输入，这时如果关闭该终端，而speak调试端没有其他断点，会显示“Program exited normally”，看到speak所在目录下的名为test的WAV文件。（此处如果不关闭终端会一直等待输入是因为speak程序收不到结束符。）

    下面看看speak的运行流程如图所示：

    在参数选择后（这里主要说保存问WAV文件），执行如下几个函数：
    

initialise();LoadVoice(voicename,0);SetSpeed(speed,amp);
    OpenWaveFile(wavefile);
    synth->SpeakNextClause(f_text,0);
		for(;;)
		{
			if(WavegenFile() != 0)
				break;   // finished, wavegen command queue is empty


			if(synth->Generate(phoneme_list,1)==0)
				synth->SpeakNextClause(NULL,0);
		}


    CloseWaveFile();

    在初始化过程中，主要是WavegenInit(22050,0);VoiceInit();LoadPhData();完成初始输入源的设置、音调等声音属性设置和加载因素表载入声音数据等操作，而后创建Synthesize类对象synth，它的部分函数如下：
        

int Generate(PHONEME_LIST *phoneme_list, int resume);
	void MakeWave2(PHONEME_LIST *p, int n_ph);
	int OnTimer(void);
	void SpeakNextClause(FILE *f_text, int stop);
private:
	void DoAmplitude(int amp);
	void DoPitch(unsigned char *env, int pitch1, int pitch2);
	void DoPause(int length);
	void DoSample(PHONEME_TAB *ph1, PHONEME_TAB *ph2, int which, int length);
	void DoSpect(PHONEME_TAB *this_ph, PHONEME_TAB *this_ph, int which, int length_mod, int stress, int modulation);
	void DoMarker(int type, int index);
	void EndPitch(int voice_break);
	void SmoothSpect(void);
	void StartSyllable(void);

    能够看到其完成的合成操作。而最开始的文本输入和处理则是由Translator类来完成的，看看其部分函数：
    

char *TranslateClause(FILE *f_text, char *buf, int *tone);
	int LoadDictionary(const char *name);
	virtual void CalcLengths();
	virtual void CalcPitches(int clause_tone);

protected:
	int TranslateWord(char *word, int next_pause, int wflags);
	int TranslateWord2(char *word, int wflags, int pre_pause, int next_pause, int source_ix);
	void TranslateLetter(char letter, char *phonemes);
	void GetTranslatedPhonemeString(char *phon_out, int n_phon_out);
	void MakePhonemeList(int post_pause);	
	char GetC(void);

    主要分析这两个类，大部分所要的功能已经足够了。就列到这里了，其余的根据自己的需要深入吧，我只能给开这样一个头。

参考
vi/vim使用进阶: vimgdb调试时的常见问题及解决 http://easwy.com/blog/archives/advanced-vim-skills-vim-gdb-vimgdb-faq/