简介：RHVoice是一套免费开源的语音合成引擎，专为俄语、英语、乌克兰语、世界语等十余种语言提供高质量TTS能力，适用于跨平台语音应用开发与语音合成技术研究者。资源包内含1673个文件、约179.54MB，以C/C++与Java核心源码、PDF文档、HTS统计模型数据、FST词法词典及各类构建脚本为主，覆盖从语音数据预处理、模型训练到合成接口调用的完整链路。当前已有736人学习下载。通过研读源码和配套材料，能够深入理解基于HTS的统计参数语音合成原理、多语言音色构建方法，以及Windows SAPI5、GNU/Linux与Android标准TTS接口的接入方式，适合具备编程基础并希望二次开发或定制语音包的开发者。
1. 装一个会说俄语的合成器，比想象中麻烦
如果你的需求是「给系统加一个离线俄语语音」，或者手头有个项目要朗读乌克兰语、格鲁吉亚语、世界语，那么大概率绕不开 RHVoice。这套开源语音合成器目前是为数不多认真做了小语种音色的 TTS 项目，俄语、鞑靼语、吉尔吉斯语、巴西葡萄牙语都有对应的 16kHz 音色包；更难得的是它还提供 HTS 统计参数合成和共振峰合成两种后端，能直接以命令行、SAPI5 接口和 speech-dispatcher 插件的形态接到你已有的环境里。
真正装的时候，坑也集中在这几点：只编译了主程序却没装语音包，程序跑起来一句话不说；或者编译器版本不对，编到一半报C++11 required；还有在 Linux 下配好 speech-dispatcher 却发现外部程序死活调不起来。这篇笔记就把我实际走过的安装、配置、验证和排错过程完整记录下来，适合正在 Linux 或 Windows 上手动装 RHVoice，且不想被 README 里简短到近乎省略的步骤卡住的人。
2. 版本与运行环境：先搞清楚你要的是哪个后端
2.1 三种数据包别选错：festvox / multisyn / hts
RHVoice 从数据组织上非常像老牌 TTS 工具，核心程序是同一个，但音色数据来自不同构建体系。初次上手的人最容易在这里翻车——不是装不上，而是装完之后程序报找不到 voice，或者有声但没有韵律。
- HTS（基于 HMM 的统计参数合成）：声音体积小，一般单个语言包几 MB 到十几 MB，音质偏「平滑」，适合资源受限的嵌入式或 Android 端。RHVoice 的 Android 版和部分插件默认走这条路线。
- Multisyn（多单元拼接）：数据来自 Festival Multisyn 语料库，音质最自然，但包体明显更大，需要的内存也更高。适合桌面和服务器场景。
- Festvox：老一代单单元拼接，可懂度没问题，但自然度已经被前两者甩开，除非你手头只有这种数据包，否则不推荐。
安装前第一件事，是去 RHVoice 官方发布页或对应的包管理器仓库确认你要下载的语言包到底属于哪一类。以俄语为例，既有 HTS 版的rus-voices，也有 multisyn 版的数据目录，两者在编译时的开关完全不同。我的建议是：先确认目标平台，再确认数据格式，最后才动手 clone 源码，顺序反了会反复做无用功。
| 数据格式 | 音质 | 包体大小 | 适用场景 | 编译/运行开销 |
|---|---|---|---|---|
| HTS | 平滑，略机器人感 | 小 | Android、低配设备 | 低 |
| Multisyn | 最自然 | 大 | 桌面、服务端 | 高 |
| Festvox | 可懂但生硬 | 中等 | 老设备兜底 | 中 |
2.2 Linux/Windows/Android：环境要求先对齐
在 Linux 上编译 RHVoice 需要的基础依赖，以我用的某发行版为例，完整列一遍：cmake不低于 3.10，gcc或clang支持 C++11，libpulse-dev（如果没有 PulseAudio，至少要有一个能用的 ALSA 输出），libsonic-dev用于速度调整，libiconv视发行版情况可能需要手动指定。此外，flite不是强制依赖，但如果你希望部分语言包启用额外的文本归一化能力，建议顺手装上。
Windows 下的构建稍微省事一些，官方仓库里带了 Visual Studio 工程文件，直接打开编译即可，不需要额外处理 POSIX 兼容层。但有个隐性要求：如果你要用 SAPI5 接口朗读，需要确保系统里有 Visual C++ 运行库（2015～2022 任一版本），否则 DLL 加载会直接失败。
Android 侧则不需要你自己编译。Fcitx5 for Android 这类输入法内置了 RHVoice 引擎，你只需要在输入法设置里勾选对应语言，系统会自动加载音色数据。这里要注意的是 Android 版本不能太老——RHVoice 的 Android 组件要求 API 21 以上，低于 Android 5.0 的设备无法用语音键盘。
2.3 常见部署场景选型对照
如果你的目标是把 RHVoice 接到一个服务器项目里做文本转语音，我会直接选用 hts 数据包加命令行工具，理由是它不依赖桌面音频服务，可以在无显示环境下配合 ALSA 虚拟设备输出。反之，如果是在个人桌面机上做「点一下按钮让系统朗读一段俄语文本」，走 speech-dispatcher 插件或 Windows SAPI5 是更舒适的路径，应用程序不用直接对接进程，系统会统一管理音频输出。
3. 编译安装：Linux 下从源码开始完整走一遍
3.1 拉源码与准备构建目录
RHVoice 的源码托管在 GNU 相关平台上，通过 Git 拉取是最稳妥的，能够拿到最新的语言数据子模块。第一步是把主仓库和子模块一起拉下来，只拉主仓库而不拉子模块，是后面「缺少语言数据」报错的头号原因。
git clone --recurse-submodules https://github.com/RHVoice/RHVoice.git cd RHVoice mkdir build && cd build cmake .. -DCMAKE_INSTALL_PREFIX=/usr/local -DVOICES_DIR=/usr/local/share/RHVoice/voices这段命令里--recurse-submodules是关键，RHVoice 的langs目录本身是独立仓库还是子模块虽然因版本而异，但统一带上这个参数能避免漏数据。-DCMAKE_INSTALL_PREFIX指定安装前缀，默认是/usr/local；-DVOICES_DIR指定运行时寻找音色数据包的路径，我提前把它指到/usr/local/share/RHVoice/voices，后面安装语言包时直接往这里放，免得程序跑起来再去改配置文件绕一圈。
3.2 选择声码器后端：cmake 开关怎么填
cmake 配置阶段有两个开关决定了最终程序能朗读什么。第一个是-DUSE_HTS_ENGINE，打开后启用 HTS 统计参数合成引擎；第二个是-DUSE_FESTVOX，对应 festvox 格式数据。我曾经把它们都设为 ON，目的是同一个程序既能播放 hts 音色又兼容 festvox 数据。但这样做的代价是编译时间变长，而且如果你数据包里碰巧有格式不匹配的条目，运行时错误反而更隐蔽。所以我的建议是：先明确你的语言包格式，只开对应的一个；实在不确定才两个都开，但后面逐步排查时就要多留一个心眼。
cmake .. -DUSE_HTS_ENGINE=ON -DUSE_FESTVOX=OFF -DCMAKE_BUILD_TYPE=Release make -j$(nproc) sudo make install编译时间取决于机器，四核机器上全量构建通常在五到十分钟内完成。如果你看到链接阶段报libsonic.so: undefined reference，说明缺少 libsonic 开发包，装好再重跑 cmake 即可；至于libiconv相关的错误，某些发行版需要加-DLIBICONV_INCLUDE_DIR和-DLIBICONV_LIBRARY手动指定位置。
3.3 安装语言数据包：最容易被忽略的一步
主程序编译完成之后，立刻去官方发布渠道下载目标语言的 voices 数据包。注意看仔细：语言包不会跟着make install自动安装，这是个天坑。我通常会把数据包解压到第三步里指定的VOICES_DIR目录，结构上每门语言一个独立子目录，例如：
sudo mkdir -p /usr/local/share/RHVoice/voices sudo tar -xzf rhvoice-voice-rus.tar.gz -C /usr/local/share/RHVoice/voices解压后建议看一眼目录下有没有.htsvoice或.flitevox这类后缀的文件——它们的后缀决定了你对齐 cmake 开关时有没有选对后端。若你编译时只开了USE_HTS_ENGINE，但下载的是 multisyn 包，程序根本不会把它识别为可用音色；反之亦然。
安装完成后先跑一句最简单的命令验证引擎是否感知到数据：
rhvoice -l rus -o /tmp/test.wav "Привет, мир"如果这条命令没有任何输出且test.wav生成成功，说明核心链路已经通了。如果报No voices found或Failed to load voice，优先检查VOICES_DIR路径是否正确、数据包是否有可读权限、以及语言代码是否写对了（rus是俄语，eng是英语，ukr是乌克兰语）。
4. 配置与接入：让其他程序能调用 RHVoice
4.1 修改 rhvoice.conf：路径、音色与默认参数
源码目录下的rhvoice.conf是运行时配置的核心，编译安装后它一般会被复制到/etc/rhvoice.conf或/usr/local/etc/rhvoice.conf中。这个配置文件决定了很多上层应用要怎么找到音色资源。我的配置习惯是显式写出data_directory，不依赖默认路径：
data_directory = /usr/local/share/RHVoice/voices def_voice = rus list_voices = yes rate = 1.0 pitch = 1.0data_directory覆盖 cmake 阶段的VOICES_DIR，两者保持一致最稳；def_voice是默认语言，当上层调用方没指定声音 ID 时使用；list_voices设为yes后，每个合成请求会把可用 voice 列表打到日志里，排查问题很有帮助。rate和pitch分别是语速和音高倍率，取值一般在 0.5 到 2.0 之间。
加载配置后，用rhvoice --list-voices验证一下当前系统能识别哪些语言。如果命令只输出了已安装的几种语言而遗漏了你放进目录的包，八成是data_directory路径不对，或语言子目录嵌套层次多了一层导致扫描深度不够。
4.2 接入 speech-dispatcher：Linux 桌面应用的标准路径
Linux 桌面环境下，大量应用通过 speech-dispatcher（简称 spd）读文本。RHVoice 官方仓库里带了一个独立的 spd 插件，编译后一般生成librhvoice.so，需要手动复制到 speech-dispatcher 的插件目录。这一步踩过坑的人不少，因为不同发行版的插件路径差异很大，有的是/usr/lib/speech-dispatcher-modules，有的是/usr/lib/x86_64-linux-gnu/speech-dispatcher-modules。
sudo cp /usr/local/lib/rhvoice/librhvoice.so /usr/lib/speech-dispatcher-modules/ sudo systemctl restart speech-dispatcher重启 spd 后，可以用spd-say "test"触发一次朗读。如果 spd 没有立即使用 RHVoice 而是走了默认的 espeak，需要检查/etc/speech-dispatcher/speechd.conf中是否以AddModule的方式加载了rhvoice，并将某个输出模块的优先级调低。可以临时用spd-say -o rhvoice "Привет"强制指定输出模块来测试；若能播出但默认不选它，再去配置里调整顺序。
4.3 Windows SAPI5 与 Android 键盘接入
Windows 下安装 RHVoice 相对省事：官方提供 SAPI5 兼容的安装程序，装好后系统「语音设置」中直接出现「RHVoice」系列声音。需要注意的坑是，如果安装后控制面板里能看到语音但调用时静音，多半是 64 位系统的注册表重定向问题。SAPI5 语音对象是按 32/64 位分别注册的，应用若以 32 位运行而安装器只注册了 64 位组件，就会「看得到但用不了」。我在一台 64 位 Windows 上就遇到过，解决办法是打开安装目录，手动以管理员身份运行一次注册脚本，或者在编译机里同时构建 32 位与 64 位两个变体。
Android 端接入要省心得多：Fcitx5 for Android 的键盘声音设置里直接勾选 RHVoice 引擎，并在它的语言列表里勾选俄语或其他语言即可。这里唯一要强调的是，Android 上音色数据包存储在应用私有目录，不要尝试手动替换；升级版本时数据会随应用一起保留，但如果卸载重装，语言包要重新下载。
5. 避坑与排查：这次安装中我踩过最典型的四个坑
5.1 吞音和「听不清」：声码器与数据格式不匹配
现象：安装了某语言包后，rhvoice执行时不报错，也能生成 WAV，但合成出来的音频像是「说梦话」，辅音几乎全部丢失，节奏也很怪异。
原因：数据是 festvox 格式，而编译时只开启了 HTS 引擎，或反过来。RHVoice 对不同数据格式用不同解码路径，NE 后端与 HTS 后端的解码方式完全不同，格式不匹配时不一定会直接报错，而是产出不可用音频。
解决：用ls查看语言包内文件后缀（.htsvoice对应 hts，.flitevox或.flite对应 festvox，multisyn 则另有目录结构），然后回到源码目录重新配置 cmake，打开正确的后端。改完之后务必重新make install，不重新编译就用旧二进制加载新数据是无效的。
5.2 speech-dispatcher 环境里无法发声
现象：spd-say有时返回成功，但喇叭里没有任何声音；查看系统日志也没有错误，只有一条Connection reset by peer。
原因：spd 与 RHVoice 插件通过 unix socket 通信，当前用户不在audio组或pulse-access组内，导致 socket 权限被拒。返回成功是因为 spd 主进程接受了请求，但插件进程在访问音频设备时被阻止。
解决：将当前用户加入audio和pulse-access组，重新登录一次再测试。如果还不行，可以在speechd.conf中显式指定输出设备为 PulseAudio 的默认设备，避免 spd 内建输出与本地声音服务冲突。
5.3 Windows 上能列出声卡但程序报 SAPI 错误
现象：系统设置中能看到 RHVoice 语音，但写好的测试程序调用ISpVoice::Speak时返回0x80045006（请求不支持）之类的 COM 错误。
原因：安装了 64 位版本的 RHVoice SAPI5 组件，而调用程序是 32 位进程，且系统未注册 WoW64 侧语音对象。
解决：在安装目录中找到 32 位 DLL，用regsvr32注册到 WOW6432Node 节点下；或者更简单——统一使用 64 位 Python/测试程序，避免跨位数调用。我的话，经验是同一套环境里统一位数，省得反复折腾注册表。
5.4 locale 设置导致俄语文本被强行转成英语
现象：朗读俄语时，某些单词发音是美国腔，例如把「Привет」读得像「Pri-vet」而不是俄语弹舌的「П-р-и-в-е-т」。
原因：rhvoice 的文本归一化依赖于系统 locale，若整个进程环境的LANG是en_US，部分缩写和外来词的规则会被套用英语归一化方式。
解决：在调用前显式声明 locale，命令行下可以LANG=ru_RU.UTF-8 rhvoice -l rus ...，或者在程序代码中调用setlocale(LC_ALL, "ru_RU.UTF-8")。如果目标环境没有生成俄语 locale，先执行locale-gen ru_RU.UTF-8或安装对应语言包。
6. 装完怎么确认整条链路真的能用
最后一步，不是听一耳朵“好像有声音了”就算完。我每次装完 RHVoice 都会强制自己走一套固定验证流程，现在把这三条命令分享给你。
首先验证核心合成引擎：
rhvoice -l rus --list-voices如果命令只输出你已经安装的俄语包，说明引擎和数据包在路径上对齐了。如果输出是空，直接回去查data_directory——不要期待日志，这个程序在找不到音色时经常安静得反常。
其次验证输出音频是否真实可用，不能只看文件存在：
rhvoice -l rus -o /tmp/out.wav "Проверка связи" file /tmp/out.wavfile会告诉你音频格式、采样率、声道数。我遇到过生成 0 字节文件但不报错的情况，所以养成「看文件大小而不是看退出码」的习惯。若波形文件正常，再顺手用aplay或ffplay播放一下，排除假文件。
最后验证上层接入，也就是应用程序视角的那条链路。Linux 下走 spd：
spd-say -o rhvoice -l ru "Это тест"Windows 下则写一个小脚本，用系统 SAPI 调用并输出 HRESULT，确保 COM 层不是哑的；Android 下就在 Fcitx5 的键盘上打一个俄语字母，听是否有反馈。这一步走通才算真正跑完「从引擎到用户耳朵」的闭环。
从那以后，我装完任何 TTS 引擎都坚持做完这三层验证，而不是听到一点声音就觉得“装上能用了”。回头再看给其他开发者架环境时，十次里有一半的所谓“失败”，其实都倒在了第一层——要么数据包没装，要么路径没对齐。希望这篇笔记帮你在下一次遇到多语言语音合成时，少走我走过的弯路，一次跑通。
本文还有配套的精品资源，点击获取
