1. 为什么选择Ekho TTS在嵌入式Linux平台在开发嵌入式Linux设备的语音交互功能时离线语音合成TTS是个硬需求。我做过不少智能硬件项目发现很多场景下设备根本连不上网比如工业控制设备、户外智能终端或者对隐私要求极高的医疗设备。这时候在线语音合成API就完全派不上用场了。市面上开源的TTS引擎不少但真正适合嵌入式环境的却不多。Ekho余音这个项目我用了五六年它的优势很明显首先是纯离线运行不依赖网络其次是跨平台支持好从x86到ARM架构都能跑最重要的是它对中文支持很友好普通话、粤语甚至古代汉语都能处理。记得去年给一个博物馆做导览设备就用Ekho实现了文言文朗读现场效果出乎意料的好。不过Ekho的机械音确实比较明显不像商业方案那么自然。但经过参数调优和后期处理完全可以达到实用水平。我经手的一个电梯语音提示项目就是用Ekho做的用户反馈根本听不出是合成语音。2. 搭建嵌入式Linux开发环境2.1 硬件准备要点做嵌入式开发首先得搞定交叉编译环境。我习惯用树莓派CM4模块做验证它的Cortex-A72核心性能足够跑TTS价格也便宜。实际项目中要根据需求选择硬件比如需要低功耗就选全志H616要高性能可以考虑瑞芯微RK3588。最近在做一个智能门锁项目用的是全志R328芯片内存只有128MB。这种资源受限的环境特别考验优化能力后面我会详细讲怎么裁剪Ekho的内存占用。2.2 系统环境配置Ubuntu 20.04是我最推荐的开发环境稳定性好软件包齐全。先装好基础工具链sudo apt update sudo apt install -y gcc-arm-linux-gnueabihf g-arm-linux-gnueabihf如果是Yocto或Buildroot定制系统记得把这些依赖包加进镜像alsa-lib音频输出libsndfileWAV文件处理pulseaudio音频服务我遇到过最坑的问题是声卡驱动不兼容。有一次客户用的是特殊型号的音频芯片Ekho死活不出声。后来发现是ALSA配置问题解决方法是在/etc/asound.conf里加上pcm.!default { type plug slave.pcm hw:0,0 }3. Ekho的编译与移植实战3.1 源码获取与交叉编译Ekho的最新源码在官方git仓库git clone https://gitlab.com/ekho/ekho.git交叉编译的关键是配置好--host参数./configure --hostarm-linux-gnueabihf \ --prefix/usr/ekho \ --with-audioalsa make -j$(nproc)这里有个坑要注意新版Ekho依赖espeak-ng而不是老旧的espeak。如果编译报错提示espeak_ng.h not found需要先安装sudo apt install espeak-ng libespeak-ng-dev3.2 依赖库的精简策略嵌入式系统存储空间紧张可以用这些方法瘦身删除不需要的语音包比如只用普通话就删掉粤语资源静态链接关键库减少动态依赖使用strip命令裁剪调试符号arm-linux-gnueabihf-strip ekho实测下来完整安装需要25MB空间经过优化可以压缩到8MB左右。对于Flash只有16MB的设备还可以把语音数据放到TF卡上通过--data-path参数指定路径。4. 系统集成与性能优化4.1 开机自启动方案在systemd系统里创建服务文件/etc/systemd/system/ekho-tts.service[Unit] DescriptionEkho TTS Service Afternetwork.target sound.target [Service] ExecStart/usr/bin/ekho --daemon Restartalways [Install] WantedBymulti-user.target如果是老式的init.d系统可以在/etc/rc.local添加/usr/bin/ekho --daemon 4.2 语音质量调优技巧Ekho默认参数生成的语音比较生硬我总结了几条优化经验调整语速-s参数ekho -s 50 语速降低更清晰添加韵律标记用//标注重音ekho 这句话//重点词要强调后期音频处理用sox工具ekho 需要优化的文本 -o raw.wav sox raw.wav final.wav tempo 0.9 pitch 50 norm给农业设备做语音提示时发现加入0.5秒淡入淡出能显著提升听感sox input.wav output.wav fade t 0.5 0 0.55. 实际应用中的问题排查5.1 常见音频问题解决如果Ekho没声音按这个顺序检查确认声卡设备节点存在ls /dev/snd/测试ALSA基础功能aplay -l speaker-test -t wav -c 2检查PulseAudio服务状态pactl list sinks遇到最奇葩的问题是音频输出有杂音最后发现是电源干扰。解决方法是在播放前设置合适的缓冲参数export EKHO_AUDIO_BUFFER10245.2 内存泄漏排查案例在长期运行的设备上发现Ekho会缓慢增加内存占用。用valgrind检测发现是语音缓存没清理valgrind --leak-checkfull ekho 测试文本解决方法是在调用libekho的代码中定期执行ekho_clean_cache();或者直接使用--restrict-cache参数限制缓存大小ekho --restrict-cache50 文本6. 进阶应用开发6.1 Python集成方案通过CFFI封装Ekho的C接口实测延迟能控制在200ms内import cffi ffi cffi.FFI() ffi.cdef( void ekho_speak(const char* text); ) ekho ffi.dlopen(/usr/lib/libekho.so) ekho.ekho_speak(Python调用成功)6.2 语音播报队列实现在需要连续播报的场景我设计了个简单的队列系统#include pthread.h #include queue std::queuestd::string msg_queue; pthread_mutex_t lock; void* tts_thread(void*) { while(1) { if(!msg_queue.empty()) { pthread_mutex_lock(lock); std::string text msg_queue.front(); msg_queue.pop(); pthread_mutex_unlock(lock); ekho_speak(text.c_str()); } usleep(100000); } }这个方案在智能快递柜项目上运行很稳定能同时处理触摸屏操作和语音提示。7. 替代方案对比虽然Ekho很优秀但有些场景可能需要其他方案。我做过一个对比测试方案内存占用语音质量多语言支持授权方式Ekho15MB中优秀GPLFestival50MB较差一般BSDPico TTS5MB较好有限Apache讯飞离线SDK30MB优秀优秀商业授权如果是教育类产品推荐用EkhoPico TTS混合方案中文用Ekho英文用Pico这样能在保证质量的同时控制资源占用。