顧名思義,就是用大約一分鐘講完一個故事:快速建立情境、丟出一個衝突、極速勾勒場景,最後在某種程度上把衝突解掉。您可以用真人錄音,但本文走的是另一條路——用 TTS 引擎 Festival 產生合成語音。合成聲音平淡、缺乏情感,偶爾還聽不太清楚,但這恰好構成一種別樣的趣味。
整個流程完全靠開源免費軟體完成:Festival TTS 引擎加上它附帶的幾種特色嗓音,再由一份 XML 劇本與一支 PHP 腳本把它們串起來。劇本內容本身不重要,重要的是如何用程式把「戲」跑出來。
一齣戲只需要兩個檔案:一個描述劇本內容的 XML 資料檔,以及一支用 PHP 寫成的「製作人」腳本。XML 裡包含演員表、開場字幕與劇終致謝、一組音效檔,以及每個角色的台詞。製作人依 XML 的指示,把整齣戲按順序送到音訊裝置上——想換劇本或改幾句對白,只要編輯 XML 再跑一次腳本。
傳統戲劇分成好幾幕,每幕再分幾場,每場是一連串的事件:音效、音樂、對白、旁白。劇場裡幕布拉開與合上,讓舞台工作人員換景,也順便把時間或空間的跳躍交代過去。
音訊版沒有視覺上的幕布,戲劇效果只能靠聲音與旁白撐起來。您可以用一段音效代表幕布升降,作為聽得見的分段標記;也可以讓旁白報出劇名與作者。每一幕開頭由旁白說一句「第一幕,古羅馬城鎮廣場的台階上」,劇末則由同一把聲音唸出致謝名單與必要的補充說明(「Joe Blow 最終被判處七十年徒刑……」)。有時中途也需要註解:例如聽到一聲巴掌響,而場上只有兩個人,那就有必要交代是誰打了誰。
演員表不宜太長,否則一分鐘內每個人講不到幾句。Festival 提供九種不同的嗓音——有男聲、女聲、年長的、年輕的——因此角色上限就訂在九個。假設劇中有個角色叫 Fred,想用 voice_rab_diphone 來詮釋,可以這樣宣告:
<role voice="voice_rab_diphone">Fred</role>
角色名是元素內容,聲音則是 role 的屬性。之後每次 Fred 出場,製作人都知道該用哪把嗓子。想換聲音,只要改這一個地方。
旁白是特殊而關鍵的角色:報劇名與作者、插入解說、唸完劇終致謝,整齣戲靠他綁在一起。可以這樣宣告:
<role voice="voice_don_diphone">Narrator</role>
於是旁白每次開口,都會自動換成與 Fred 不同的音色。
劇本是一串事件,每個事件出現,環境就更清楚或更複雜一分。以下是兩個連續事件的例子——一句對白緊接一個音效:
<event type="effect" player="mplayer">gunshot.wav</event>
<event type="dialogue" player="Bozo">Freeze, turkey</event>
第一個事件的 type="effect" 表示它是音效,不經過 TTS 引擎;player 屬性指定由 Mplayer 播放 gunshot.wav。第二個事件是角色 Bozo 的對白。由於環境裡只有一個 TTS 引擎,不必用屬性指定引擎,製作人一律使用同一個。
在此結構中,事件作為 XML 元素通常只出現在「場」裡;但幕與場之外也可以放聲音與話語,例如旁白的開場、劇終致謝與掌聲。
由於劇本包含多幕、每幕又分數場,基本結構如下。
清單 1. 幕、場與相關事件
<act>
<curtainUp>KDE_Window_Shade_Up.ogg</curtainUp>
<scene>
<event type="dialogue" player="five">...</event>
<event type="dialogue" player="nine">...</event>
</scene>
<scene>
<event type="dialogue" player="five">...</event>
<event type="dialogue" player="two">...</event>
</scene>
<curtainDown>KDE_Window_Shade_Down.ogg</curtainDown>
</act>
這裡只有一幕、分兩場,每場兩句台詞,涉及角色五、九、二——每個角色都在演員表中定義了獨一無二的聲音。幕首與幕尾播放的檔案,用來表達幕布的升降;範例中我借用了 KDE 桌面環境的系統音效。
讓角色出聲的工作落在製作人身上。PHP 腳本裡有這麼一個函式:
清單 2. 動態呼叫聲音
function deliver($phrase, $voice) {
exec('festival -b \'(begin ('.$voice.')
(SayText "'.$phrase.'"))\' >/dev/null', $out);
}
參數分別是要說的短語與要使用的 Festival 聲音。exec 以批次模式呼叫 Festival,一次做兩件事:設定聲音、用該聲音唸出短語。begin 則是告訴 Festival 這裡有一串指令要處理。
清單 3 是一份完整的 XML 劇本資料檔。
清單 3. XML 格式的完整劇本資料檔
<?xml version="1.0" encoding='UTF-8'?>
<play>
<dramatis personae>
<dramatisp>
<role voice="voice_don_diphone">muchi</role>
<role voice="voice_kal_diphone">dad</role>
<role voice="voice_rab_diphone">narra</role>
<role voice="voice_nitech_us_awb_arctic_hts">mscot</role>
<role voice="voice_nitech_us_bdl_arctic_hts">spare</role>
<role voice="voice_nitech_us_clb_arctic_hts">matron</role>
<role voice="voice_nitech_us_jmk_arctic_hts">fuzzy</role>
<role voice="voice_nitech_us_rms_arctic_hts">uncle</role>
<role voice="voice_nitech_us_slt_arctic_hts">filly</role>
</dramatisp>
<intro>
<music>chimes.ogg</music>
<theatre>Sixty second theatre with XML and Festival</theatre>
<title>Todays play - The demonstration effect</title>
</intro>
<act>
<curtainUp>KDE_Window_Shade_Up.ogg</curtainUp>
<scene>
<event type="dialogue" player="dad">The doctor is taking a long time</event>
<event type="dialogue" player="matron">Yes but it is worth the wait</event>
<event type="dialogue" player="dad">Looks like you broke your arm</event>
<event type="dialogue" player="dad">Did you have a bad fall</event>
<event type="dialogue" player="matron">Yes one of those silly falls</event>
<event type="dialogue" player="matron">Icy steps</event>
<event type="dialogue" player="dad">Could happen to anybody</event>
</scene>
<curtainDown>KDE_Window_Shade_Down.ogg</curtainDown>
</act>
<act>
<curtainUp>KDE_Window_Shade_Up.ogg</curtainUp>
<scene>
<event type="dialogue" player="dad">It is really cold out there</event>
<event type="dialogue" player="uncle">Yes the cold gives me chill blains</event>
<event type="dialogue" player="dad">Hands or feet</event>
<event type="dialogue" player="uncle">Both</event>
<event type="dialogue" player="dad">That is bad luck</event>
</scene>
<curtainDown>KDE_Window_Shade_Down.ogg</curtainDown>
</act>
<act>
<curtainUp>KDE_Window_Shade_Up.ogg</curtainUp>
<scene>
<event type="dialogue" player="dad">Thats a bad cough</event>
<event type="dialogue" player="filly">Yes it hurts when I breathe</event>
<event type="dialogue" player="dad">I am sorry to hear that</event>
<event type="dialogue" player="filly">What is your ailment</event>
<event type="dialogue" player="dad">Oh I am not actually sick</event>
<event type="dialogue" player="dad">But I do not feel well unless I surround
myself with people who are a lot worse off</event>
</scene>
<curtainDown>KDE_Window_Shade_Down.ogg</curtainDown>
</act>
<end>
<musicEnd></musicEnd>
<credits>Thanks to Festival, PHP, Audacity and XML</credits>
</end>
<Applause></Applause>
</play>
根元素是 <play>。除了中段的幕與場,開頭的 <dramatisp> 宣告角色與聲音;<intro> 由旁白或報幕員唸出劇名;<end> 則放音樂、劇終致謝,最後也許還有一段掌聲。
有了 XML,剩下的就是播放邏輯。製作人在簡介、幕、場與結尾之間迭代,需要時依序呼叫 Mplayer 或 Festival。清單 4 是完整的腳本,設計為從命令列執行。
清單 4. 用 PHP 寫成的製作人腳本
<?php
// sixty second theatre player
echo "60 second theater player\n";
if ($argc < 2) die("No play specified\n");
$playXML = $argv[1];
$xml = simplexml_load_file($playXML);
// 載入演員的聲音對照
$roles = $xml->dramatisp->role;
foreach ($roles as $rolevoice) {
$rolev["$rolevoice"] = $rolevoice['voice'];
}
$announcer = $rolev["narra"];
$timestart = time();
// 開場
play_effect($xml->intro->music, "mplayer");
deliver((string) $xml->intro->theatre, $announcer);
deliver((string) $xml->intro->title, $announcer);
// 各幕
$anum = 0;
$snum = 0;
foreach ($xml->act as $a) {
$anum++;
deliver("Act $anum", $announcer);
play_effect($a->curtainUp, "mplayer");
foreach ($a->scene as $s) {
$snum++;
play_effect("chimes1.ogg", "mplayer");
$events = $s->event;
foreach ($events as $e) {
switch ($e['type']) {
case "effect":
$engine = $e['player'];
play_effect($e, $engine);
break;
case "dialogue":
$plyr = $e['player'];
deliver($e, $rolev["$plyr"]);
break;
default:
die("Invalid type");
break;
}
}
}
play_effect($a->curtainDown, "mplayer");
$snum = 0;
}
// 劇終
deliver($xml->end->credits, $announcer);
$timeend = time();
$length = $timeend - $timestart;
echo "Total length is $length seconds.\n";
// 函式
function play_effect($effect, $engine) {
exec("$engine $effect", $out);
}
function deliver($phrase, $voice) {
exec('festival -b \'(begin ('.$voice.')
(SayText "'.$phrase.'"))\' >/dev/null', $out);
}
?>
腳本先把劇本(例如 myplay.xml)載入記憶體並宣告為 XML 物件,接著讀取演員表、建立角色到聲音的對照陣列,選定旁白聲音,並記錄開始時間以便最後計算總長。劇名宣布之後進入幕的迴圈,每幕裡再跑場的迴圈,逐場處理事件指示。
要讓喇叭直接播出來:
$ php producer.php myplay.xml
若想把演出錄下來:
$ php producer.php myplay.xml | arecord (options) myplay.wav
錄完的檔案可以在 Audacity® 這類音訊編輯器裡後製,或用 sox 之類的工具做批次處理。
雖然已經能聽,但成果還有改善空間:
您當然可以用關聯式資料庫來存劇本與事件,但本例中 XML 的優勢很明確:它是平面文字檔,讀與改都一目了然。哪句對白唸得不順,直接改一行、重跑製作人,新的成品就出來了。
帶著平板而缺乏情感的合成嗓音的 60 秒劇場,本身就是一種極簡的藝術形式。少了訓練有素的演員,聽眾反而得自己補上語氣與語調的空白,體驗到另一種參與感。而如果您願意再往前一步,用 XML 搭配 Festival 或其他 TTS 引擎,其實也做得出情感更飽和的版本。