简介RHVoice是一套免费开源的语音合成引擎专为俄语、英语、乌克兰语、世界语等十余种语言提供高质量TTS能力适用于跨平台语音应用开发与语音合成技术研究者。资源包内含1673个文件、约179.54MB以C/C与Java核心源码、PDF文档、HTS统计模型数据、FST词法词典及各类构建脚本为主覆盖从语音数据预处理、模型训练到合成接口调用的完整链路。当前已有736人学习下载。通过研读源码和配套材料能够深入理解基于HTS的统计参数语音合成原理、多语言音色构建方法以及Windows SAPI5、GNU/Linux与Android标准TTS接口的接入方式适合具备编程基础并希望二次开发或定制语音包的开发者。1. 装一个会说俄语的合成器比想象中麻烦如果你的需求是「给系统加一个离线俄语语音」或者手头有个项目要朗读乌克兰语、格鲁吉亚语、世界语那么大概率绕不开 RHVoice。这套开源语音合成器目前是为数不多认真做了小语种音色的 TTS 项目俄语、鞑靼语、吉尔吉斯语、巴西葡萄牙语都有对应的 16kHz 音色包更难得的是它还提供 HTS 统计参数合成和共振峰合成两种后端能直接以命令行、SAPI5 接口和 speech-dispatcher 插件的形态接到你已有的环境里。真正装的时候坑也集中在这几点只编译了主程序却没装语音包程序跑起来一句话不说或者编译器版本不对编到一半报C11 required还有在 Linux 下配好 speech-dispatcher 却发现外部程序死活调不起来。这篇笔记就把我实际走过的安装、配置、验证和排错过程完整记录下来适合正在 Linux 或 Windows 上手动装 RHVoice且不想被 README 里简短到近乎省略的步骤卡住的人。2. 版本与运行环境先搞清楚你要的是哪个后端2.1 三种数据包别选错festvox / multisyn / htsRHVoice 从数据组织上非常像老牌 TTS 工具核心程序是同一个但音色数据来自不同构建体系。初次上手的人最容易在这里翻车——不是装不上而是装完之后程序报找不到 voice或者有声但没有韵律。HTS基于 HMM 的统计参数合成声音体积小一般单个语言包几 MB 到十几 MB音质偏「平滑」适合资源受限的嵌入式或 Android 端。RHVoice 的 Android 版和部分插件默认走这条路线。Multisyn多单元拼接数据来自 Festival Multisyn 语料库音质最自然但包体明显更大需要的内存也更高。适合桌面和服务器场景。Festvox老一代单单元拼接可懂度没问题但自然度已经被前两者甩开除非你手头只有这种数据包否则不推荐。安装前第一件事是去 RHVoice 官方发布页或对应的包管理器仓库确认你要下载的语言包到底属于哪一类。以俄语为例既有 HTS 版的rus-voices也有 multisyn 版的数据目录两者在编译时的开关完全不同。我的建议是先确认目标平台再确认数据格式最后才动手 clone 源码顺序反了会反复做无用功。数据格式音质包体大小适用场景编译/运行开销HTS平滑略机器人感小Android、低配设备低Multisyn最自然大桌面、服务端高Festvox可懂但生硬中等老设备兜底中2.2 Linux/Windows/Android环境要求先对齐在 Linux 上编译 RHVoice 需要的基础依赖以我用的某发行版为例完整列一遍cmake不低于 3.10gcc或clang支持 C11libpulse-dev如果没有 PulseAudio至少要有一个能用的 ALSA 输出libsonic-dev用于速度调整libiconv视发行版情况可能需要手动指定。此外flite不是强制依赖但如果你希望部分语言包启用额外的文本归一化能力建议顺手装上。Windows 下的构建稍微省事一些官方仓库里带了 Visual Studio 工程文件直接打开编译即可不需要额外处理 POSIX 兼容层。但有个隐性要求如果你要用 SAPI5 接口朗读需要确保系统里有 Visual C 运行库20152022 任一版本否则 DLL 加载会直接失败。Android 侧则不需要你自己编译。Fcitx5 for Android 这类输入法内置了 RHVoice 引擎你只需要在输入法设置里勾选对应语言系统会自动加载音色数据。这里要注意的是 Android 版本不能太老——RHVoice 的 Android 组件要求 API 21 以上低于 Android 5.0 的设备无法用语音键盘。2.3 常见部署场景选型对照如果你的目标是把 RHVoice 接到一个服务器项目里做文本转语音我会直接选用 hts 数据包加命令行工具理由是它不依赖桌面音频服务可以在无显示环境下配合 ALSA 虚拟设备输出。反之如果是在个人桌面机上做「点一下按钮让系统朗读一段俄语文本」走 speech-dispatcher 插件或 Windows SAPI5 是更舒适的路径应用程序不用直接对接进程系统会统一管理音频输出。3. 编译安装Linux 下从源码开始完整走一遍3.1 拉源码与准备构建目录RHVoice 的源码托管在 GNU 相关平台上通过 Git 拉取是最稳妥的能够拿到最新的语言数据子模块。第一步是把主仓库和子模块一起拉下来只拉主仓库而不拉子模块是后面「缺少语言数据」报错的头号原因。git clone --recurse-submodules https://github.com/RHVoice/RHVoice.git cd RHVoice mkdir build cd build cmake .. -DCMAKE_INSTALL_PREFIX/usr/local -DVOICES_DIR/usr/local/share/RHVoice/voices这段命令里--recurse-submodules是关键RHVoice 的langs目录本身是独立仓库还是子模块虽然因版本而异但统一带上这个参数能避免漏数据。-DCMAKE_INSTALL_PREFIX指定安装前缀默认是/usr/local-DVOICES_DIR指定运行时寻找音色数据包的路径我提前把它指到/usr/local/share/RHVoice/voices后面安装语言包时直接往这里放免得程序跑起来再去改配置文件绕一圈。3.2 选择声码器后端cmake 开关怎么填cmake 配置阶段有两个开关决定了最终程序能朗读什么。第一个是-DUSE_HTS_ENGINE打开后启用 HTS 统计参数合成引擎第二个是-DUSE_FESTVOX对应 festvox 格式数据。我曾经把它们都设为 ON目的是同一个程序既能播放 hts 音色又兼容 festvox 数据。但这样做的代价是编译时间变长而且如果你数据包里碰巧有格式不匹配的条目运行时错误反而更隐蔽。所以我的建议是先明确你的语言包格式只开对应的一个实在不确定才两个都开但后面逐步排查时就要多留一个心眼。cmake .. -DUSE_HTS_ENGINEON -DUSE_FESTVOXOFF -DCMAKE_BUILD_TYPERelease make -j$(nproc) sudo make install编译时间取决于机器四核机器上全量构建通常在五到十分钟内完成。如果你看到链接阶段报libsonic.so: undefined reference说明缺少 libsonic 开发包装好再重跑 cmake 即可至于libiconv相关的错误某些发行版需要加-DLIBICONV_INCLUDE_DIR和-DLIBICONV_LIBRARY手动指定位置。3.3 安装语言数据包最容易被忽略的一步主程序编译完成之后立刻去官方发布渠道下载目标语言的 voices 数据包。注意看仔细语言包不会跟着make install自动安装这是个天坑。我通常会把数据包解压到第三步里指定的VOICES_DIR目录结构上每门语言一个独立子目录例如sudo mkdir -p /usr/local/share/RHVoice/voices sudo tar -xzf rhvoice-voice-rus.tar.gz -C /usr/local/share/RHVoice/voices解压后建议看一眼目录下有没有.htsvoice或.flitevox这类后缀的文件——它们的后缀决定了你对齐 cmake 开关时有没有选对后端。若你编译时只开了USE_HTS_ENGINE但下载的是 multisyn 包程序根本不会把它识别为可用音色反之亦然。安装完成后先跑一句最简单的命令验证引擎是否感知到数据rhvoice -l rus -o /tmp/test.wav Привет, мир如果这条命令没有任何输出且test.wav生成成功说明核心链路已经通了。如果报No voices found或Failed to load voice优先检查VOICES_DIR路径是否正确、数据包是否有可读权限、以及语言代码是否写对了rus是俄语eng是英语ukr是乌克兰语。4. 配置与接入让其他程序能调用 RHVoice4.1 修改 rhvoice.conf路径、音色与默认参数源码目录下的rhvoice.conf是运行时配置的核心编译安装后它一般会被复制到/etc/rhvoice.conf或/usr/local/etc/rhvoice.conf中。这个配置文件决定了很多上层应用要怎么找到音色资源。我的配置习惯是显式写出data_directory不依赖默认路径data_directory /usr/local/share/RHVoice/voices def_voice rus list_voices yes rate 1.0 pitch 1.0data_directory覆盖 cmake 阶段的VOICES_DIR两者保持一致最稳def_voice是默认语言当上层调用方没指定声音 ID 时使用list_voices设为yes后每个合成请求会把可用 voice 列表打到日志里排查问题很有帮助。rate和pitch分别是语速和音高倍率取值一般在 0.5 到 2.0 之间。加载配置后用rhvoice --list-voices验证一下当前系统能识别哪些语言。如果命令只输出了已安装的几种语言而遗漏了你放进目录的包八成是data_directory路径不对或语言子目录嵌套层次多了一层导致扫描深度不够。4.2 接入 speech-dispatcherLinux 桌面应用的标准路径Linux 桌面环境下大量应用通过 speech-dispatcher简称 spd读文本。RHVoice 官方仓库里带了一个独立的 spd 插件编译后一般生成librhvoice.so需要手动复制到 speech-dispatcher 的插件目录。这一步踩过坑的人不少因为不同发行版的插件路径差异很大有的是/usr/lib/speech-dispatcher-modules有的是/usr/lib/x86_64-linux-gnu/speech-dispatcher-modules。sudo cp /usr/local/lib/rhvoice/librhvoice.so /usr/lib/speech-dispatcher-modules/ sudo systemctl restart speech-dispatcher重启 spd 后可以用spd-say test触发一次朗读。如果 spd 没有立即使用 RHVoice 而是走了默认的 espeak需要检查/etc/speech-dispatcher/speechd.conf中是否以AddModule的方式加载了rhvoice并将某个输出模块的优先级调低。可以临时用spd-say -o rhvoice Привет强制指定输出模块来测试若能播出但默认不选它再去配置里调整顺序。4.3 Windows SAPI5 与 Android 键盘接入Windows 下安装 RHVoice 相对省事官方提供 SAPI5 兼容的安装程序装好后系统「语音设置」中直接出现「RHVoice」系列声音。需要注意的坑是如果安装后控制面板里能看到语音但调用时静音多半是 64 位系统的注册表重定向问题。SAPI5 语音对象是按 32/64 位分别注册的应用若以 32 位运行而安装器只注册了 64 位组件就会「看得到但用不了」。我在一台 64 位 Windows 上就遇到过解决办法是打开安装目录手动以管理员身份运行一次注册脚本或者在编译机里同时构建 32 位与 64 位两个变体。Android 端接入要省心得多Fcitx5 for Android 的键盘声音设置里直接勾选 RHVoice 引擎并在它的语言列表里勾选俄语或其他语言即可。这里唯一要强调的是Android 上音色数据包存储在应用私有目录不要尝试手动替换升级版本时数据会随应用一起保留但如果卸载重装语言包要重新下载。5. 避坑与排查这次安装中我踩过最典型的四个坑5.1 吞音和「听不清」声码器与数据格式不匹配现象安装了某语言包后rhvoice执行时不报错也能生成 WAV但合成出来的音频像是「说梦话」辅音几乎全部丢失节奏也很怪异。原因数据是 festvox 格式而编译时只开启了 HTS 引擎或反过来。RHVoice 对不同数据格式用不同解码路径NE 后端与 HTS 后端的解码方式完全不同格式不匹配时不一定会直接报错而是产出不可用音频。解决用ls查看语言包内文件后缀.htsvoice对应 hts.flitevox或.flite对应 festvoxmultisyn 则另有目录结构然后回到源码目录重新配置 cmake打开正确的后端。改完之后务必重新make install不重新编译就用旧二进制加载新数据是无效的。5.2 speech-dispatcher 环境里无法发声现象spd-say有时返回成功但喇叭里没有任何声音查看系统日志也没有错误只有一条Connection reset by peer。原因spd 与 RHVoice 插件通过 unix socket 通信当前用户不在audio组或pulse-access组内导致 socket 权限被拒。返回成功是因为 spd 主进程接受了请求但插件进程在访问音频设备时被阻止。解决将当前用户加入audio和pulse-access组重新登录一次再测试。如果还不行可以在speechd.conf中显式指定输出设备为 PulseAudio 的默认设备避免 spd 内建输出与本地声音服务冲突。5.3 Windows 上能列出声卡但程序报 SAPI 错误现象系统设置中能看到 RHVoice 语音但写好的测试程序调用ISpVoice::Speak时返回0x80045006请求不支持之类的 COM 错误。原因安装了 64 位版本的 RHVoice SAPI5 组件而调用程序是 32 位进程且系统未注册 WoW64 侧语音对象。解决在安装目录中找到 32 位 DLL用regsvr32注册到 WOW6432Node 节点下或者更简单——统一使用 64 位 Python/测试程序避免跨位数调用。我的话经验是同一套环境里统一位数省得反复折腾注册表。5.4 locale 设置导致俄语文本被强行转成英语现象朗读俄语时某些单词发音是美国腔例如把「Привет」读得像「Pri-vet」而不是俄语弹舌的「П-р-и-в-е-т」。原因rhvoice 的文本归一化依赖于系统 locale若整个进程环境的LANG是en_US部分缩写和外来词的规则会被套用英语归一化方式。解决在调用前显式声明 locale命令行下可以LANGru_RU.UTF-8 rhvoice -l rus ...或者在程序代码中调用setlocale(LC_ALL, ru_RU.UTF-8)。如果目标环境没有生成俄语 locale先执行locale-gen ru_RU.UTF-8或安装对应语言包。6. 装完怎么确认整条链路真的能用最后一步不是听一耳朵“好像有声音了”就算完。我每次装完 RHVoice 都会强制自己走一套固定验证流程现在把这三条命令分享给你。首先验证核心合成引擎rhvoice -l rus --list-voices如果命令只输出你已经安装的俄语包说明引擎和数据包在路径上对齐了。如果输出是空直接回去查data_directory——不要期待日志这个程序在找不到音色时经常安静得反常。其次验证输出音频是否真实可用不能只看文件存在rhvoice -l rus -o /tmp/out.wav Проверка связи file /tmp/out.wavfile会告诉你音频格式、采样率、声道数。我遇到过生成 0 字节文件但不报错的情况所以养成「看文件大小而不是看退出码」的习惯。若波形文件正常再顺手用aplay或ffplay播放一下排除假文件。最后验证上层接入也就是应用程序视角的那条链路。Linux 下走 spdspd-say -o rhvoice -l ru Это тестWindows 下则写一个小脚本用系统 SAPI 调用并输出 HRESULT确保 COM 层不是哑的Android 下就在 Fcitx5 的键盘上打一个俄语字母听是否有反馈。这一步走通才算真正跑完「从引擎到用户耳朵」的闭环。从那以后我装完任何 TTS 引擎都坚持做完这三层验证而不是听到一点声音就觉得“装上能用了”。回头再看给其他开发者架环境时十次里有一半的所谓“失败”其实都倒在了第一层——要么数据包没装要么路径没对齐。希望这篇笔记帮你在下一次遇到多语言语音合成时少走我走过的弯路一次跑通。本文还有配套的精品资源点击获取