蒙汉双语电视天气预报自动配音系统

宝乌日其其格，曹明慧

（通辽市气象局，内蒙古 通辽 028000）

0 引言

天气预报和人们的日常生活息息相关，是百姓最为关注的电视节目之一[1]。通辽市电视天气预报开播于2008 年，目前，节目使用蒙语和汉语两种语言录制，其中蒙语节目主持人不上镜，全程配音，而汉语节目“天气讲解”部分由主持人出镜，“城镇预报窗口”部分只需主持人配音。为提升气象节目质量，进行资源整合，2019 年下半年开始，有3 个旗县（区）的电视天气预报也由通辽市气象局统一制作，下一步要扩大至全市各旗县，完成“市代县”节目制作的集约化工作[2]。由于天气预报的结论在15：30～16：00 完成，因此电视天气预报节目一般在16：00 开始制作，并根据电视台的要求在17：00 前完成节目的传输。在短短1 个多小时的时间里，若采用传统的人工配音方法，只能完成4～5 档节目的制作，值班人员往往面临工作量大、时间紧迫、校对时间不足等一系列问题，因此在现有的设备条件下再增加其他旗县的节目是无法实现的。为此，通辽市气象局技术团队引用、研究、开发了一套翻译标准、操作简便、声音流畅的蒙汉双语电视天气预报自动配音系统，在现有EDIUS 和WIN-XCG 系统的基础上升级完成，实现了电视天气预报节目“城市窗口”的自动配音，从而提高了电视天气预报制作速度，使“市代县”节目制作得以实现并全面高效开展，也为影视制作人员提供了一款非常方便实用的制作工具[3]。

1 配音词条的选择及翻译

电视天气预报“城镇预报窗口”的内容主要包括生活指数预报、地名、天气现象及温度等。

生活指数预报包括空气质量、晨练指数、舒适度指数、紫外线指数、穿衣指数以及森林草原火险气象等级，都是以一整句为一个词条。

市级节目地名主要包括本市管辖的旗县（区、地级市）和气象站，旗县节目包括本旗县管辖的乡镇及重要旅游景点。

天气现象主要有3 种类型，第1 种是单个天气现象，第2 种是天气1 转天气2，第3 种是两种天气现象并存。单个天气现象可直接做成一个语音词条，为避免简单地合并“天气1”“转”“天气2”三个词条带来的语音生硬不自然，需要把天气1 转天气2的语音词条和两种并存在的天气现象全部整理出来，录制成一个语音词条。

气温从-50℃到50℃，“气温1”和“气温2”各有101种气温值，共有C2101÷2=101×100÷2=5050 种组合，将这些组合进行一一配音比较烦琐，因此，将“-50、-49、…、50”和“到-50 ℃”…“到50 ℃”两部分单独录制，中间插入0.25 s 的静音时间，根据需要的温度区间进行合并编辑，最终达到播报要求。

最终整理出的词条共有812 个，其中，地名128个、指数预报32 个、天气450 个、气温202 个。

将整理好的生活指数预报、地名、天气、气温配音词条逐一进行翻译，每一词条都要专业且准确地表述汉语对应的内容。由于蒙古语是少数民族文字，所以需要专业人士来完成，不能有丝毫的差错[4]。所有词条的翻译都经过多次讨论分析，请教蒙语电台、电视台的专家进行指导，最后确定下来。

2 录制与剪辑

为保证主持人的良好状态，录制时间选择在晚上。为确保每一条语音的音质相同，主持人对812个词条进行一次性录音[5]，且每个词条都录制两遍，确保一套节目从头到尾的音色一致，建立每个主持人各自的语音库。录制好的语音采用Cool Edit Pro 2.0 音频编辑软件进行剪辑，剪辑后的词条按内容进行命名。

2.1 录制格式

应确保录音的格式与WIN-XCG 系统要求相符，格式为.WAV 文件，采样率为11 025，单声道，16-Bit。

2.2 声音调整

用Rvox 压缩5.7 dB 控制整体音量动态，用1073 染色音色，再用Rcomperessor 压缩到3 dB 控制音色动态，调整好所有分轨音量的平衡，加room混响，然后把每个词条都剪辑下来，最后总线用Limiter 提升整体音量和响度。

2.3 剪 辑

定好开始时间和结束时间的剪辑点，通常情况下，主持人在“城镇预报窗口”画面显示以后才开始播报，因此对地名和指数预报剪辑时前面应留出0.8 s 的静音，如图1 所示。WordList 语表文件中添加的内容与语表目录中的内容对应天气现象和温度的开始时间和结束时间，都要紧贴着音波剪切，然后直接输出.WAV 音频文件。

图1 用Cool Edit Pro2.0 软件剪辑地名

2.4 文件命名

剪辑好的语音词条用所录制内容命名，为便于区分文档，在其前面加编录制内容拼音的首字母，然后加4 位数字的编号，例如，地名“科尔沁区”的语音词条命名为“DM0001 科尔沁区.WAV”，天气现象“晴转多云”的语音词条命名为“TQ0005 晴转多云.WAV”。

3 完善XCG 配置文件

在原有的XCG 配置文件里增加语音部分，将地名、天气现象、温度、生活指数添加到语音一列。语音部分的命名要与原配置文件里的文字部分的命名一致。

4 建立语音库

在本地磁盘D 盘依次打开WIN-XCGSYSDATWeather 文件夹，该文件夹为系统默认的语音库目录。

4.1 建立语音库子目录

系统支持建立多主持人、多语种语音库，可以在D:WIN-XCGSYSDATWeather下创建多个子目录，如“WordVoc-汉语男声”“WordVoc-汉语女声”“WordVoc-蒙语男声”“WordVoc-蒙语女声”等，子语音库的数量不受限制。在WordVoc 子目录中可分别建立地名、气温、天气现象、指数、系统等下级文件夹，用于分类存放剪辑好的不同类型的语音文件，便于管理和维护。不同的语音库要创建对应的WordList.ini 语表配置文件。

4.2 建立WordList 语表配置文件

WordList.ini 是基于文本格式的语表配置文件，语表文件以指针性质的指向性来定义不同文本内容和其对应的语音文件路径及文件名。为便于管理和维护，语表文件中可以以“[ ]”的格式做分类管理，第一列的内容要结合类型添加对应的内容，如涉及地名需在[地名]下添加；涉及温度需在[温度]下添加，这里的地名指的是语音库中地名文件夹里的内容，同样温度指的是语音库中温度文件夹里的内容。要确保WordList 语表文件中添加的内容与语表目录中的内容对应，如图2 所示。第二列的内容要要与XCG 配置文件中的语音部分相对应。

图2 WordList 语表文件的内容与语表目录内容的对应关系

5 配音文件的自动化合成

5.1 单个窗口的语音合成

单个城市窗口由“地名”“天气现象”“几”“到几度”4 个语音词条组成。为了使各语音词条间衔接流畅自然，语音词条之间可插入顿号（0.25 s 的静音）或逗号（0.5 s 的静音）。单个窗口的语音合成总长设置成8 s，而4 个语音词条加上静音词条总长在3～5 s，在语音词条结尾后自动加静音补齐至8 s。在WIN-XCG 里输出天气现象和温度后，从语音库中读取相对应的语音词条和静音词条，自动合成到对应的语音合成文件夹里。

5.2 多个窗口的语音合成

将合成好的单个窗口的语音添加到EDIUS 素材库窗口中，再从素材库窗口拖到EDIUS 非编系统的语音轨道上与画面相对应，对时间按每套节目每个画面的长度进行调整，如图3 所示。每单个窗口语音的音量与前面主持人出镜部分的音量一致。

图3 单个窗口的语音添加到EDIUS 音轨

6 测 试

将录制好的语音词条依次输入WIN-XCG 系统，反复调试每一个词条的音量直至所有词条音量一致，保证每一个词条的音量都一致。将不同语速、音色、音调的语音词条挑选出来重新录制，保证一套节目从始至终的音量、音调、音色和语速一致。

7 系统优点

7.1 提高工作效率

一套节目由片头、主持人出镜及城镇预报窗口配音3 部分组成，其中城镇预报窗口人工配音部分占60%～70%的时间。在录制时经常发生配音偏差、有杂音等情况，甚至有时会发生节目录制完成后要追加气象台刚刚发布的预警信号等问题，此时城镇预报窗口人工配音部分都需要重新录制。使用自动配音系统后，只需值班人员点击语音合成，即可一次性合成全部的语音文件，并自动取代EDIUS 系统中音轨上的音频。整个过程不到10 s，而人工配音1档节目在不出现任何错误的情况下也要180 s 左右。

7.2 提高准确率

主持人配音的过程中有时难免出错，当值班人员发现主持人配音有错时要及时补救，如果错过补救期，就只能重新录制，效率低下。自动配音系统的每一个语音词条都是经过反复测试后确保无误才应用的，因此避免了主持人读错或有杂音等问题。

7.3 减轻主持人工作量

目前主持人在有限时间里备好稿子并录制5 套节目，其中城镇预报窗口的人工配音部分占据了大部分的时间。使用本系统后，主持人可节省出大量的时间用来备稿，文稿的质量和主持人的熟练程度得以提高，使节目整体质量得到大幅提升。

8 结语

该系统通过半年的试用期，目前已经正式投入到业务运行中。从实际应用情况来看，系统播放自然流畅、语音库齐全、合成快捷、运行稳定，具有实际应用价值，对我市气象服务工作产生了积极的推动作用。