YDVoiceTTS: A Chinese Speech synthesis system from Yongde screen reader

让历史的声音在新的时代重新回响——致敬中国盲人编程第一人，永德读屏软件开发者王永德老师。

YDVoice TTS 永德音库

复活二十年前永德读屏软件的一套基于波形拼接技术实现的中文语音合成引擎
完全解析 ydvoiceXX.vl 私有格式，通过 FreeBasic 重构为了一个新的跨平台、离线、轻量级的中文 TTS 引擎。

---

项目简介

YDVoice 源自对一款发布于 2000 年前后的闭源中文读屏程序 ydreader.exe 的深度逆向工程研究。原始程序采用波形拼接合成技术，在极低算力下实现了流畅的中文语音合成，其核心语音数据存储在 ydvoiceXX.vl 等私有二进制格式文件中。

本项目完整还原了该语音库的底层数据结构、音素寻址算法及内存优化策略，并基于现代编程语言（C# / FreeBasic / Python）重构了一套无依赖、跨平台的离线 TTS 引擎。开发者无需原始程序或二进制字典 ydmap.mp，即可直接使用其中的真人录音数据，让这份珍贵的数字遗产得以重获新生。

---

核心原理

1. 文件格式：ydvoiceXX.vl 分析

每个 .vl 文件遵循 “文件头 + 索引表 + 数据区” 的经典结构，采用小端序存储。

区域	大小	内容
文件头	32 字节	元数据：总槽位数（24576）、声道数、采样率（16kHz）、位深（16bit）等
索引表	总槽位数 × 8	每个槽位 8 字节：[4B 偏移量] + [4B 长度]，空槽为全 0
数据区	可变	连续的 16bit PCM 裸流，无任何压缩或加密

总槽位数 24576 远大于实际有效音节数（约 1500），这是设计者采用的稀疏数组策略——以空间换时间，实现 O(1) 直接寻址。

2. 拼音 → ID 的三维映射算法

原始引擎不依赖字符串查找，而是将音韵学规律编码为纯数学计算规则，构建了一个 26 × 26 × 16 的三维物理坐标系：

phonemeId = (声母索引 × 416) + (韵母索引 × 16) + 声调偏移

• Y 轴（声母索引 0~25）：映射 26 个字母，利用 I, U, V 等空缺容纳 zh, ch, sh 等多字母声母。
• X 轴（韵母索引 0~25）：每个声母块下分配 26 个韵母槽位。
• Z 轴（变体偏移 0~15）：每个韵母槽内 +0~+3 为四声，-1 为轻声，+7 为英文字母自身原始发音。

2.1 互斥复用

汉语韵母数量超过 26 个，如何塞进 26 个槽位？设计者运用了音韵学中的互补分布法则：若两个韵母永远不会与同一个声母结合，则它们共享同一物理槽位。例如：

• ia 与 ua 共享槽位：j/q/x 只能拼 ia，g/k/h 只能拼 ua，永无冲突。
• nü/lü 与 uai 共享槽位：n/l 无法与 uai 结合，该槽位被复用。

3. 映射表生成工具

为避免运行时动态解析的复杂，我们采用表驱动法：

1. 从拼音语料库提取所有基础拼音（如 wo、jue）。
2. 根据逆向推导的算法计算出每个拼音的基础 ID。
3. 扩展生成全部带调音节（1~4 声及轻声），并补充英文字母。
4. 输出为 JSON 映射文件，供引擎直接加载。

对应 Python 脚本：

• build_dict.py：从 pinyindata.txt 生成 pinyin_to_id_table.py（Python 字典）或 JSON。
• json2bin.py：将 JSON 编译为固定长度记录（32 字节/条）的二进制映射文件，支持跨语言二分查找。

---

快速开始

环境要求

• 语音库文件：原始的 ydvoiceXX.vl
• 映射文件：可使用我们提供的生成工具从语料库构建，或下载预编译的 pymap.bin
• 词典文件：phrases.dat 可在 mozillazg/phrase-pinyin-data 获得，使用前请按本项目所需的格式进行转换

C# 调用示例（DLL P/Invoke）

using System;
using System.Runtime.InteropServices;

class YDVoice
{
    [DllImport("ydvoice.dll", CallingConvention = CallingConvention.StdCall, CharSet = CharSet.Unicode, ExactSpelling = true)]
    static extern IntPtr Voice_Load([MarshalAs(UnmanagedType.LPWStr)] string pVoicePath);

    [DllImport("ydvoice.dll", CallingConvention = CallingConvention.StdCall, CharSet = CharSet.Unicode, ExactSpelling = true)]
    static extern IntPtr Voice_SynthesisText(IntPtr hVoice,
        [MarshalAs(UnmanagedType.LPWStr)] string pText,
        out int outSize,
        [MarshalAs(UnmanagedType.U1)] bool addWavHeader);

    [DllImport("ydvoice.dll", CallingConvention = CallingConvention.StdCall, ExactSpelling = true)]
    static extern void Voice_FreeBuffer(IntPtr pBuffer);

    [DllImport("ydvoice.dll", CallingConvention = CallingConvention.StdCall, ExactSpelling = true)]
    static extern void Voice_Release(IntPtr hVoice);

    public static void Main()
    {
        IntPtr hVoice = Voice_Load(@".\ydvoice00.vl");
        if (hVoice != IntPtr.Zero)
        {
            int size;
            IntPtr pcm = Voice_SynthesisText(hVoice, "你好，世界", out size, true);
            if (pcm != IntPtr.Zero)
            {
                // 保存或播放 pcm 数据（size 字节）
                Voice_FreeBuffer(pcm);
            }
            Voice_Release(hVoice);
        }
    }
}

---

附录："YDVoice*.vl" 文件头

文件名	大小 (字节)	前 32 字节 (Hex)
ydvoice00.vl	13250650	0060000001000100803e0000007d000002001000000000000000000000000000
ydvoice01.vl	13634166	0060000001000100803e0000007d000002001000000000000000000000000000
ydvoice02.vl	4561476	0060000001000100803e0000007d0000020010000000000018000300160e0000
ydvoice03.vl	11900442	0060000001000100803e0000007d0000020010000000000018000300a20c0000
ydvoice04.vl	9817706	0060000001000100803e0000007d0000020010000000000018000300fc1e0000

---

参考

• 《YDVoice TTS 语音合成系统逆向工程研究分析报告》 - 张赐荣

---

免责声明

本项目及附带代码、二进制文件等仅供学习与研究使用。如有侵权，请联系删除（需提供版权、著作权等相关证明材料）。