为应用程序加上语音能力有什么好处呢？粗略地讲，是为了趣味，它适合所有注重趣味的应用，比如游戏。当然，从更严肃的角度来讲，它还涉及到应用的可用性问题。注意，这里我考虑的不仅是可视化界面固有的不足，而且还有这样一些情形：一些时候，让双眼离开当前的工作很不方便，甚至是不合法的。比如，假设有一个带语音功能的浏览器，你就可以在外出散步或开车上班的同时，用听的方式浏览自己喜爱的网站。
从目前来看，邮件阅读器或许是语音技术更实际的应用，在JavaMail API的帮助下，这一切已经可能。邮件阅读器可以定期地检查收件箱，然后用语音“You have new mail, would you like me to read it to you?”引起你的注意。按照类似的思路，我们还可以考虑一个带语音功能的提醒器，把它连接到一个日历应用：它会及时地提醒你“Don't forget your meeting with the boss in 10 minutes!”。
也许你已经被这些主意吸引，或者有了自己更好的主意，现在让我们继续。首先我将介绍如何启用本文提供的语音引擎，这样，如果你认为语音引擎的实现细节过于复杂，就可以直接使用它而忽略其实现细节。
一、试用语音引擎
要使用这个语音引擎，你必须在CLASSPATH中加入本文提供的javatalk.jar文件，然后从命令行运行（或者从Java程序调用）com.lotontech.speech.Talker类。如果从命令行运行，则命令为：
java com.lotontech.speech.Talker "h|e|l|oo"
如果从Java程序调用，则代码为：
com.lotontech.speech.Talker talker=new com.lotontech.speech.Talker();
talker.sayPhoneWord("h|e|l|oo");
现在，对于在命令行上（或者调用sayPhoneWord()方法时）提供的“h|e|l|oo”字符串，你或许有所不解。下面我就来解释一下。
语音引擎的工作原理是把细小的声音样本连接起来，每一个样本都是人的语言发音（英语）的一个最小单位。这些声音样本称为音素（allophone）。每一个因素对应一个、二个或者三个字母。从前面“hello”的语音表示可以看出，一些字母组合的发音显而易见，还有一些却不是很明显：
h -- 读音显而易见
e -- 读音显而易见
l -- 读音显而易见，但注意两个“l”被简缩成了一个“l”。
OO -- 应该读作“hello”中的读音，不应读作“bot”、“too”中的读音。
下面是一个有效音素的清单：
a ： 如cat
b ： 如cab
c ： 如cat
d ： 如dot
e ： 如bet
f ： 如frog
g ： 如frog
h ： 如hog
i ： 如pig
j ： 如jig
k ： 如keg
l ： 如leg
m ： 如met
n ： 如begin
o ： 如not
p ： 如pot
r ： 如rot
s ： 如sat
t ： 如sat
u ： 如put
v ： 如have
w ： 如wet
y ： 如yet
z ： 如zoo
aa ： 如fake
ay ： 如hay
ee ： 如bee
ii ： 如high
oo ： 如go
bb ： b的变化形式，重音不同
dd ： d的变化形式，重音不同
ggg ： g的变化形式，重音不同
hh ： h的变化形式，重音不同
ll ： l的变化形式，重音不同
nn ： n的变化形式，重音不同
rr ： r的变化形式，重音不同
tt ： t的变化形式，重音不同
yy ： y的变化形式，重音不同
ar ： 如car
aer ： 如care
ch ： 如which
ck ： 如check
ear ： 如beer
er ： 如later
err ： 如later (长音)
ng ： 如feeding
or ： 如law
ou ： 如zoo
ouu ： 如zoo (长音)
ow ： 如cow
oy ： 如boy
sh ： 如shut
th ： 如thing
dth ： 如this
uh ： u 的变化形式
wh ： 如where
zh ： 如Asian
人说话的时候，语音在整个句子之内起落变化。语调变化使得语音更自然、更富有感染力，使得问句和陈述句能够相互区别。请考虑下面两个句子：
It is fake -- f|aa|k
Is it fake? -- f|AA|k
也许你已经猜想到，提高语调的方法是使用大写字母。
以上就是使用该软件时你需要了解的东西。如果你对其后台实现细节感兴趣，请继续阅读。
二、实现语音引擎
语音引擎的实现只包括一个类，四个方法。它利用了J2SE 1.3包含的Java Sound API。在这里，我不准备全面地介绍这个API，但你可以通过实例学习它的用法。Java Sound API并不是一个特别复杂的API，代码中的注释将告诉你必须了解的知识。
下面是Talker类的基本定义：
package com.lotontech.speech;
import javax.sound.sampled.*;
import java.io.*;
import java.util.*;
import java.net.*;
public class Talker
{
private SourceDataLine line=null;
}
如果从命令行执行Talker，下面的main()方法将作为入口点运行。main()方法获取第一个命令行参数，然后把它传递给sayPhoneWord()方法：
/*
* 读出在命令行中指定的表示读音的字符串
*/
public static void main(String args[])
{
Talker player=new Talker();
if (args.length>0) player.sayPhoneWord(args[0]);
System.exit(0);
}
sayPhoneWord()方法既可以通过上面的main()方法调用，也可以在Java程序中直接调用。从表面上看，sayPhoneWord()方法比较复杂，其实并非如此。实际上，它简单地遍历所有单词的语音元素（在输入字符串中语音元素以“|”分隔），通过一个声音输出通道一个元素一个元素地播放出来。为了让声音更自然一些，我把每一个声音样本的结尾和下一个声音样本的开头合并了起来：
/*
* 读出指定的语音字符串
*/
public void sayPhoneWord(String word)
{
// 为上一个声音构造的模拟byte数组
byte[] previousSound=null;
// 把输入字符串分割成单独的音素
StringTokenizer st=new StringTokenizer(word,"|",false);
while (st.hasMoreTokens())
{
// 为音素构造相应的文件名字
String thisPhoneFile=st.nextToken();
thisPhoneFile="/allophones/"+thisPhoneFile+".au";
// 从声音文件读取数据
byte[] thisSound=getSound(thisPhoneFile);
if (previousSound!=null)
{
// 如果可能的话，把前一个音素和当前音素合并
int mergeCount=0;
if (previousSound.length>=500 && thisSound.length>=500)
mergeCount=500;
for (int i=0; i
{
previousSound[previousSound.length-mergeCount+i]
=(byte)((previousSound[previousSound.length
-mergeCount+i]+thisSound[i])/2);
}
// 播放前一个音素
playSound(previousSound);
// 把经过截短的当前音素作为前一个音素
byte[] newSound=new byte[thisSound.length-mergeCount];
for (int ii=0; ii
newSound[ii]=thisSound[ii+mergeCount];
previousSound=newSound;
}
else
previousSound=thisSound;
}
// 播放最后一个音素，清理声音通道
playSound(previousSound);
drain();
}
在sayPhoneWord()的后面，你可以看到它调用playSound()输出单个声音样本（即一个音素），然后调用drain()清理声音通道。下面是playSound()的代码：
/*
* 该方法播放一个声音样本
*/
private void playSound(byte[] data)
{
if (data.length>0) line.write(data, 0, data.length);
}
下面是drain()的代码：
/*
* 该方法清理声音通道
*/
