【精选】基于API平台的电视台智能语音播报系统设计与实现

本文为论文精要，原文刊发于《广播与电视技术》2021年第11期“内容制播”专栏。

API平台作为所有系统的“桥梁”，提供了标准API接口，可支持接入文字识别、字幕识别、语音识别等多种智能服务到私有云平台。本文以电视台智能语音播报系统实现广播虚拟主持人为案例，较为全面地介绍了API平台的方案和实现。

本文作者：罗晓群 （杭州文广集团）

作者简介：

罗晓群（1967.11-）男，杭州文广集团高级工程师，明珠频道技术主管。主要负责文广集团明珠频道的技术统筹和管理，负责和参与多个频道的高清演播室和高清转播车项目。

1项目分析

杭州文广集团西湖之声计划推出一款“小西”的智能语音播报系统，可以模拟主持人的声音，与听众实现对话、互动等功能。本项目基于API平台，实现与国内某公司语音合成API的对接，同时提供一套基于BS方式的文本页面，供播音员进行文本录入。此项目中，API平台具备的去中心化分布式架构，平台具备基于云架构的大数据应用平台的设计、开发、集成、服务能力，具有媒体管理属性，具有文件标引、数据分析、存储搜索等功能，能够提供具有“文件标引、数据存储、数据搜索”等方面的专利。

API平台作为整个云平台承上启下的关键环节，一方面需要实现对下层IaaS资源的调度和管理，另一方面还需要实现对于上层业务工具的有效支撑。西湖之声“小西”的智能语音播报系统通过API网关，调用语音合成API，语音合成后将文本转换成语音。采用“框架+组件”的开发模式，利用应用平台的模式，按需使用第三方开发者开发的组件，并自由组装功能模块，且用户的系统为独立部署，安全性较高，非简单的租户形式。

在整个API平台功能的规划方面，主要功能体现在以下几大要素：

1.1具备基础运行环境的支撑能力

API平台作为为整个系统提供快速迭代升级的基础，具备相关能力，包括提供中间件、数据库、运行时等一系列开发、测试、验证和部署环境的支持。

1.2采用分布式框架，具备持续提供高可靠公共服务的能力

在进行核心框架设计时，采用去中心化的设计思维，平台中不再存在绝对的中心节点，或者说每个节点都实际充当了中心节点，采用分而治之的方式，从而部分节点故障时，其他节点自动分摊故障服务器的任务为系统提供服务，以此计算、数据库和存储的扩展性和安全性。

API平台作为实践“平台+工具”系统建设理念的核心，从业务出发，以业务为基础制定一套完备的上层工具接入规范。同时，应对未来业务发展的需要，该规范具备可持续扩展能力，以应对新的业务工具接入的需要。

1.3 API向下无缝集成和管理各种IaaS资源，解决灵活的资源弹性调配

API平台作为IaaS层和SaaS层之间的桥梁，一方面无缝集成和管理包括存储、计算（Openstack、VMware、ZEN）、网络、安全等多个方面的IaaS资源；另一方面实时监测业务运行情况，调用IaaS资源弹性支撑业务的需要。

2方案简介

本项目API平台作为所有系统的“桥梁”，具备开放的特性，支持多种智能服务的接入，包括文字识别、字幕识别、语音识别。文字识别服务、字幕识别服务，主要是将图片、视频中的文字识别成文本，可用于业务生产流程中，如识别出的文字，可自动上非编唱词、可在审片时自动提示敏感词汇等。语音识别服务是将视音频中的语音识别成文本，用于业务生产流程中，将转换成文本的语音用于写稿、审片时自动提示敏感词汇等。在后期的建设中，可以通过统一的服务管理框架利用统一的接口标准，形成统一的智能服务的体系。

2.1项目部署

项目部署主要分为：基础环境搭建、WINDOWS服务应用安装、集群服务器安装配置、MCH 融合制播业务系统详细配置、MCH 融合制播业务系统配置检测等。

基础环境搭建主要是通用服务器的搭建及系统安装。Hive节点服务器使用虚拟机设备，CPU划分了20核，内存64GB，硬盘为400GB，操作系统为CentOS 7.1。MPC服务器使用虚拟机设备，CPU划分8核，内存16GB，磁盘空间400G，操作系统为WINDOWS Server 2012。语音合成BS界面后端服务器使用虚拟机设备，CPU划分8核，内存8G，磁盘空间400G，操作系统为WINDOWS Server 2012。

WINDOWS服务及应用的安装，包括FTP 安装配置、云线索入库服务安装配置、合成转码服务安装配置、安装文件分析执行器、CMserver 安装及配置、发布服务客户端安装配置、vRocket 安装配置、安装 Nova 非编工作站、安装 SobeyMQ（消息中间件）。

集群服务器安装配置包括私有云的部署、共有云的部署、yum源的准备、映射共享存储、参数配置及检测、安装应用。

MCH 融合制播业务系统详细配置包括：用户角色栏目配置、融合生产平台业务配置、网络管理系统的安装、入库流程配置及检验、接口方式入库配置、文件方式入库配置、各业务系统的接口对接、MSV555 业务配置、素材交互与文稿交互配置、云线索与融合制播业务系统对接配置。MCH 融合制播业务系统配置检测包括：HIVE软件安装检测、HIVE 快速配置检测、工具安装快速检查、GW网络管理系统交互快速配置检测、上传及入库配置检测、MF多媒体流程快速配置检查、MS 流程快速配置检查。

2.2系统结构

智能语音播报工具即西湖之声虚拟主持人小西，通过API网关调用在云平台上的语音合成API落地使用。部署工作主要包括：tomcat软件的安装、挂载文件部署war包。

此项目中提供多媒体稿件编辑工具，面向多元发布渠道的一体化多媒体稿件编辑设计，具备文本编辑，视频编辑，图片编辑功能，编辑完成自动更新到稿件，并提供整体预览；编辑器界面中提供内容库插件，可以挑选素材进行编辑。

API平台设计充分考虑了台内未来业务的扩展需求，采用符合国际标准的接口设计方式，可对接所有符合此标准的第三方系统、产品、服务。

基于基础接口建设，通过定制的方式实现API与发布接口的对接，实现将节目素材信息推送到第三方系统。对接方式为：文件+XML。

本项目将基于API平台，实现与语音合成API的对接，同时提供一套基于BS方式的文本页面，供播音员进行文本录入，如图1所示。

图1 项目逻辑层次示意图

1. 提供文本操作页，满足播音员文本录入等功能；

2. 文本操作页，通过API网关，调用语音合成API；

3. 语音合成，负责将文本转换成语音。

2.3系统界面

“小西”的智能语音播报系统主界面如图2所示。

图2 “小西”的智能语音播报系统主界面示意图

1. 整体页面设计：采用BS页面设计，整体风格简洁；主要包括文本框、列表框、播放按钮、生成列表项按钮、生成MP3按钮；

2. 文本框设计：支持文本手动录入；支持文本复制、粘贴；支持文本追溯功能，可进行上一页、下一页查找；支持回溯当天该栏目下文本输入项；

3. 列表框设计：列表框内，可单屏显示10个语音条目；右侧具备滚动轴，支持显示条目的上下滚动；支持单条语音条目的向上、向下移动；语音项前，需有8个文字的提示；

4. 其他功能键设计：提供播放、生成列表项、生成MP3按钮。

3系统应用情况

2018年12月17日杭州文广集团西湖之声“小西”的智能语音播报系统与国内某公司对接完毕，进入试运行，运行良好。整个系统有以下特点：

1. 采用轻型云架构，构建API平台可对接各类智能云服务，可以对接国内相关公司的不同智能语音服务，为广电发展提供助力；

2. 真人与文本转语音相结合，节目形式多变，加上现场打字做节目主持和互动；

3. 永久的广播虚拟主持人，可以是永远的品牌和形象，可扩展采用其他知名主持人语音库，例如：郭德纲、林志玲等，为更加丰富的节目形态提供了助力。

西湖之声首创智能台宠“小西”的声音形象，“小西”被设定为一个可爱，调皮，机灵的人工智能机器人，可自我更新，自我迭代。在不断学习人类沟通模式的过程中，不断接近人类的语言和思维，但同时具备机器人的数据搜索和智慧链接功能。

经过近一年的节目培养和有效运用，小西已经成为西湖之声一个开创性的科技智能主播新形象。每天活跃于各档节目的“小西”，很快得到听众的喜爱与认可。小西个性化报时，小西大数据路况，小西声音表情包。每档节目都会根据内容特点有效融入小西语言，从小西视角看世界、提问题，补充最新知识，链接传统电台与新媒体的内容交互，将网民和听众的互动通过小西相勾连，成为节目最有力的形式补充，也是丰富节目设计与功能的一个突破。

4 结束语

本次系统建设主要是搭建出具备通用媒体能力的API平台，如包括合成服务、迁移转码服务、流媒体服务等能力，并且根据国际标准进行研发设计，保证API接口的开放性、多兼容性。着重考虑为媒资系统提供基础媒体能力，建设具备弹性扩展能力的媒资支撑服务。并且，将通过文件+XML的方式，将节目素材推送给发布系统。

在后期的规划中，基于本期建设的API平台，可在其上增加第三方服务能力，通过API接口调用提供给SaaS层和IaaS层。并且，未来利用“框架+组件”的灵活搭配能力，实现台内随需选择需要的功能。随着各层工具、服务的升级，API平台依托本期建设的开放性，可提供安全可靠的能力，并且可根据业务量需求进行扩容升级。

END

《广播与电视技术》、“广电猎酷”广告经营与商务合作代理：

北京中广信通文化传媒有限公司

联系人：王翠霞

联系电话：13651307963

好文共赏请转发 有话要说请留言