Arduino串口TTS语音合成汉字转码实战：从Unicode到Arduino兼容编码

1次阅读

共计 1857 个字符，预计需要花费 5 分钟才能阅读完成。

在开发智能家居的语音提示功能时，我发现市面上的低成本串口 TTS 模块（如 SYN6288、XFS5152CE）普遍存在一个限制：它们只能直接接收 ASCII 编码的英文字母。这让中文语音合成变得非常棘手——直接发送汉字字符，模块要么输出乱码，要么干脆不发音。

这种限制源于模块内置的字库和语音库设计：为了降低成本和复杂度，厂商通常只预存了英文音素。但实际应用中，我们需要用中文播报天气、设备状态等信息，这促使我研究汉字转码方案。

处理汉字编码主要有三种常见方案：

GB2312 编码 ：国内早期标准，每个汉字占 2 字节，兼容 ASCII
UTF- 8 编码 ：Unicode 变长实现，汉字占 3 字节，兼容性好
Unicode 码点 ：直接使用 4 字节标准编码

经过实测对比，我发现 GB2312 最适合 Arduino 环境：

双字节固定长度，比 UTF- 8 更易解析
收录 6763 个常用汉字，满足基本需求
转换算法简单，适合 MCU 有限的计算能力

由于 Arduino 的 Flash 空间有限（UNO 只有 32KB），我提取了 GB2312 中 3755 个一级汉字，按拼音排序后存储为常量数组。这样既覆盖日常使用，又控制存储占用在 7KB 左右。

const uint16_t GB2312_TABLE[] PROGMEM = {
    0xB0A1, // 啊
    0xB0A2, // 阿
    //... 其他汉字编码
};

通过查表法将 UTF- 8 转换为 GB2312 编码。这里需要处理三种情况：

ASCII 字符（0-127）：直接透传
三字节 UTF- 8 汉字：解析出 Unicode 后查表转换
其他字符：替换为问号

关键转换代码如下：

uint16_t utf8ToGb2312(const uint8_t* utf8) {if(utf8[0] < 0x80) return utf8[0]; // ASCII 处理

    // 提取 Unicode 码点
    uint16_t unicode = ((utf8[0] & 0x0F) << 12) | 
                      ((utf8[1] & 0x3F) << 6) |
                      (utf8[2] & 0x3F);

    // 二分查找码表
    int low = 0, high = TABLE_SIZE-1;
    while(low <= high) {int mid = (low + high) / 2;
        uint16_t gbCode = pgm_read_word(&GB2312_TABLE[mid]);
        //... 比对逻辑
    }
    return 0x3F; // 未找到返回问号
}

采用分段发送策略避免缓冲区溢出。每转换完一个汉字，立即通过软串口发送到 TTS 模块：

void sendToTTS(const char* text) {
    uint8_t utf8Pos = 0;
    while(text[utf8Pos]) {if((text[utf8Pos] & 0x80) == 0) {
            // 单字节 ASCII
            Serial1.write(text[utf8Pos++]);
        } else {
            // 三字节 UTF-8
            uint16_t gbCode = utf8ToGb2312(&text[utf8Pos]);
            Serial1.write(gbCode >> 8);   // 发送高字节
            Serial1.write(gbCode & 0xFF); // 发送低字节
            utf8Pos += 3;
        }
        delay(10); // 防止模块过载
    }
}

在 ATmega328P（16MHz）上实测发现：