本站首页    管理页面    写新日志    退出


«July 2025»
12345
6789101112
13141516171819
20212223242526
2728293031


公告

谦卑,荣誉,牺牲,英勇,怜悯,诚实,精神,公正。


我的分类(专题)

日志更新

最新评论

留言板

链接

 

 


Blog信息
blog名称:
日志总数:183
评论数量:698
留言数量:7
访问次数:3016567
建立时间:2005年12月29日




   

[编程学习]Windows 语音编程初步
网上资源,  软件技术

newqiang 发表于 2006/12/6 16:00:43

转自:iwaswzq Windows 语音编程初步 一、SAPI简介 软件中的语音技术包括两方面的内容,一个是语音识别(speech recognition) 和语音合成(speech synthesis)。这两个技术都需要语音引擎的支持。微软推出的应用编程接口API,虽然现在不是业界标准,但是应用比较广泛。 SAPI全称 The Microsoft Speech API.相关的SR和SS引擎位于Speech SDK开发包中。这个语音引擎支持多种语言的识别和朗读,包括英文、中文、日文等。 SAPI包括以下组件对象(接口): (1)Voice Commands API。对应用程序进行控制,一般用于语音识别系统中。识别某个命令后,会调用相关接口是应用程序完成对应的功能。如果程序想实现语音控制,必须使用此组对象。(2)Voice Dictation API。听写输入,即语音识别接口。(3)Voice Text API。完成从文字到语音的转换,即语音合成。(4)Voice Telephone API。语音识别和语音合成综合运用到电话系统之上,利用此接口可以建立一个电话应答系统,甚至可以通过电话控制计算机。(5)Audio Objects API。封装了计算机发音系统。 SAPI是架构在COM基础上的,微软还提供了ActiveX控件,所以不仅可用于一般的windows程序,还可以用于网页、VBA甚至EXCEL的图表中。如果对COM感到陌生,还可以使用微软的C++ WRAPPERS,它用C++类封装了语音SDK COM对象。 二、安装SAPI SDK。 首先从这个站点下载开发包:http://www.microsoft.com/speech/download/sdk51 Microsoft Speech SDK 5.1添加了Automation支持。所以可以在VB,ECMAScript等支持Automation的语言中使用。 版本说明:Version: 5.1 发布日期: 8/8/2001 语音: English 下载尺寸: 2.0 MB - 288.8 MB 这个SDK开发包还包括了可以随便发布的英文和中文的语音合成引擎(TTS),和英文、中文、日文的语音识别引擎(SR)。 系统要求98以上版本。编译开发包中的例子程序需要vc6以上环境。 ******下载说明******:(1)如果要下载例子程序,说明文档,SAPI以及用于开发的美国英语语音引擎,需要下载SpeechSDK51.exe,大约68M。(2)如果想要使用简体中文和日文的语音引擎,需要下载SpeechSDK51LangPack.exe。大约82M。(3)如果想要和自己的软件一起发布语音引擎,需要下载SpeechSDK51MSM.exe,大约132M。     (在这个地址,我未能成功下载)。(4)如果要获取XP下的 Mike 和 Mary 语音,下载Sp5TTIntXP.exe。大约3.5M。(5)如果要获取开发包的文档说明,请下载sapi.chm。大约2.3M。这个在sdk51里面已经包含。 下载完毕后,首先安装SpeechSDK51.exe,然后安装中文语言补丁包SpeechSDK51LangPack,然后展开msttss22l,自动将所需dll安装到系统目录。 三、配置vc环境 在vc6.0的环境下编译语音工程,首先要配置编译环境。假设sdk安装在d:\Microsoft Speech SDK 5.1\路径下,打开工程设置对话框,在c/c++栏中选择Preprocessor分类,然后在"附加包含路径"中输入d:\Microsoft Speech SDK 5.1\include 告诉vc编译程序所需的SAPI头文件的位置。然后切换到LINK栏,在Input分类下的附加库路径中输入:d:\Microsoft Speech SDK 5.1\lib\i386使vc在链接的时候能够找到sapi.lib。 四、语音合成的应用。即使用SAPI实现TTS(Text to Speech)。 1、首先要初始化语音接口,一般有两种方式:   ISpVoice* pVoice;   ::CoInitialize(NULL);   HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice,               (void **)&pVoice);   然后就可以使用这个指针调用SAPI函数了,例如   pVoice->SetVolume(50);//设置音量   pVoice->Speak(str.AllocSysString(),SPF_ASYNC,NULL);    另外也可以使用如下方式:    CComPtr<ISpVoice>   m_cpVoice;    HRESULT  hr = m_cpVoice.CoCreateInstance( CLSID_SpVoice );   在下面的例子中都用这个m_cpVoice变量。    CLSID_SpVoice的定义位于SPAI.H中。 2、获取/设置输出频率。    SAPI朗读文字的时候,可以采用多种频率方式输出声音,比如:   8kHz 8Bit Mono、8kHz 8Bit Stereo、44kHz 16Bit Mono、44kHz 16Bit Stereo等。在音调上有所差别。具体可以参考sapi.h。    可以使用如下代码获取当前的配置:   CComPtr<ISpStreamFormat> cpStream;   HRESULT hrOutputStream = m_cpVoice->GetOutputStream(&cpStream);   if (hrOutputStream == S_OK)   {       CSpStreamFormat Fmt;       hr = Fmt.AssignFormat(cpStream);       if (SUCCEEDED(hr))       {           SPSTREAMFORMAT eFmt = Fmt.ComputeFormatEnum();       }   }    SPSTREAMFORMAT 是一个ENUM类型,定义位于SPAI.H中。每一个值对应了不同的频率设置。例如 SPSF_8kHz8BitStereo  = 5     通过如下代码设置当前朗读频率:    CComPtr<ISpAudio>   m_cpOutAudio; //声音输出接口    SpCreateDefaultObjectFromCategoryId( SPCAT_AUDIOOUT, &m_cpOutAudio ); //创建接口     SPSTREAMFORMAT eFmt = 21; //SPSF_22kHz 8Bit Stereo     CSpStreamFormat Fmt;    Fmt.AssignFormat(eFmt);    if ( m_cpOutAudio )    { hr = m_cpOutAudio->SetFormat( Fmt.FormatId(), Fmt.WaveFormatExPtr() );    }    else  hr = E_FAIL;     if( SUCCEEDED( hr ) )   {       m_cpVoice->SetOutput( m_cpOutAudio, FALSE );   } 3、获取/设置播放所用语音。    引擎中所用的语音数据文件一般保存在SpeechEngines下的spd或者vce文件中。安装sdk后,在注册表中保存了可用的语音,比如英文的男/女,简体中文的男音等。位置是:   HKEY_LOCAL_MACHINE\Software\Microsoft\Speech\Voices\Tokens如果安装在中文操作系统下,则缺省所用的朗读语音是简体中文。SAPI的缺点是不能支持中英文混读,在朗读中文的时候,遇到英文,只能逐个字母读出。所以需要程序自己进行语音切换。 (1) 可以采用如下的函数把当前SDK支持的语音填充在一个组合框中:    // SAPI5 helper function in sphelper.h     HWND hWndCombo = GetDlgItem( hWnd, IDC_COMBO_VOICES ); //组合框句柄    HRESULT hr = SpInitTokenComboBox( hWndCombo , SPCAT_VOICES );    这个函数是通过IEnumSpObjectTokens接口枚举当前可用的语音接口,把接口的说明文字添加到组合框中,并且把接口的指针作为LPARAM    保存在组合框中。    一定要记住最后程序退出的时候,释放组合框中保存的接口:    SpDestroyTokenComboBox( hWndCombo );    这个函数的原理就是逐个取得combo里面每一项的LPARAM数据,转换成IUnknown接口指针,然后调用Release函数。(2) 当组合框选择变化的时候,可以用下面的函数获取用户选择的语音:    ISpObjectToken* pToken = SpGetCurSelComboBoxToken( hWndCombo ); (3) 用下面的函数获取当前正在使用的语音:    CComPtr<ISpObjectToken> pOldToken;    HRESULT hr = m_cpVoice->GetVoice( &pOldToken );(4) 当用户选择的语音和当前正在使用的不一致的时候,用下面的函数修改:    if (pOldToken != pToken)    {                 // 首先结束当前的朗读,这个不是必须的。         HRESULT hr = m_cpVoice->Speak( NULL, SPF_PURGEBEFORESPEAK, 0);         if (SUCCEEDED (hr) )        {            hr = m_cpVoice->SetVoice( pToken );         }    }(5) 也可以直接使用函数SpGetTokenFromId获取指定voice的Token指针,例如:      WCHAR pszTokenId[] = L"HKEY_LOCAL_MACHINE\\Software\\Microsoft\\Speech\\Voices\\Tokens\\MSSimplifiedChineseVoice";    SpGetTokenFromId(pszTokenID , &pChineseToken); 4、开始/暂停/恢复/结束当前的朗读      要朗读的文字必须位于宽字符串中,假设位于szWTextString中,则:   开始朗读的代码:   hr = m_cpVoice->Speak( szWTextString, SPF_ASYNC | SPF_IS_NOT_XML, 0 );   如果要解读一个XML文本,用:   hr = m_cpVoice->Speak( szWTextString, SPF_ASYNC | SPF_IS_XML, 0 );    暂停的代码:   m_cpVoice->Pause();   恢复的代码:   m_cpVoice->Resume();   结束的代码:(上面的例子中已经给出了)   hr = m_cpVoice->Speak( NULL, SPF_PURGEBEFORESPEAK, 0); 5、跳过部分朗读的文字    在朗读的过程中,可以跳过部分文字继续后面的朗读,代码如下:   ULONG ulGarbage = 0;   WCHAR szGarbage[] = L"Sentence";   hr = m_cpVoice->Skip( szGarbage, SkipNum, &ulGarbage );   SkipNum是设置要跳过的句子数量,值可以是正/负。   根据sdk的说明,目前SAPI仅仅支持SENTENCE这个类型。SAPI是通过标点符号来区分句子的。 6、播放WAV文件。SAPI可以播放WAV文件,这是通过ISpStream接口实现的:    CComPtr<ISpStream>       cpWavStream;   WCHAR                    szwWavFileName[NORM_SIZE] = L"";;    USES_CONVERSION;   wcscpy( szwWavFileName, T2W( szAFileName ) );//从ANSI将WAV文件的名字转换成宽字符串    //使用sphelper.h 提供的这个函数打开 wav 文件,并得到一个 IStream 指针   hr = SPBindToFile( szwWavFileName, SPFM_OPEN_READONLY, &cpWavStream );   if( SUCCEEDED( hr ) )   {        m_cpVoice->SpeakStream( cpWavStream, SPF_ASYNC, NULL );//播放WAV文件   }7、将朗读的结果保存到wav文件   TCHAR szFileName[256];//假设这里面保存着目标文件的路径   USES_CONVERSION;   WCHAR m_szWFileName[MAX_FILE_PATH];   wcscpy( m_szWFileName, T2W(szFileName) );//转换成宽字符串    //创建一个输出流,绑定到wav文件   CSpStreamFormat OriginalFmt;   CComPtr<ISpStream>  cpWavStream;   CComPtr<ISpStreamFormat>    cpOldStream;   HRESULT hr = m_cpVoice->GetOutputStream( &cpOldStream );   if (hr == S_OK) hr = OriginalFmt.AssignFormat(cpOldStream);   else  hr = E_FAIL;   // 使用sphelper.h中提供的函数创建 wav 文件   if (SUCCEEDED(hr))   {      hr = SPBindToFile( m_szWFileName, SPFM_CREATE_ALWAYS, &cpWavStream,                          &OriginalFmt.FormatId(), OriginalFmt.WaveFormatExPtr() );     }   if( SUCCEEDED( hr ) )   {      //设置声音的输出到 wav 文件,而不是 speakers      m_cpVoice->SetOutput(cpWavStream, TRUE);    }    //开始朗读    m_cpVoice->Speak( szWTextString, SPF_ASYNC | SPF_IS_NOT_XML, 0 );     //等待朗读结束    m_cpVoice->WaitUntilDone( INFINITE );    cpWavStream.Release();     //把输出重新定位到原来的流    m_cpVoice->SetOutput( cpOldStream, FALSE );   8、设置朗读音量和速度   m_cpVoice->SetVolume((USHORT)hpos); //设置音量,范围是 0 - 100   m_cpVoice->SetRate(hpos);  //设置速度,范围是 -10 - 10    hpos的值一般位于 9、设置SAPI通知消息。SAPI在朗读的过程中,会给指定窗口发送消息,窗口收到消息后,可以主动获取SAPI的事件,   根据事件的不同,用户可以得到当前SAPI的一些信息,比如正在朗读的单词的位置,当前的朗读口型值(用于显   示动画口型,中文语音的情况下并不提供这个事件)等等。    要获取SAPI的通知,首先要注册一个消息:   m_cpVoice->SetNotifyWindowMessage( hWnd, WM_TTSAPPCUSTOMEVENT, 0, 0 );   这个代码一般是在主窗口初始化的时候调用,hWnd是主窗口(或者接收消息的窗口)句柄。WM_TTSAPPCUSTOMEVENT   是用户自定义消息。    在窗口响应WM_TTSAPPCUSTOMEVENT消息的函数中,通过如下代码获取sapi的通知事件:     CSpEvent        event;  // 使用这个类,比用 SPEVENT结构更方便     while( event.GetFrom(m_cpVoice) == S_OK )    {        switch( event.eEventId )        {           。。。        }    }    eEventID有很多种,比如SPEI_START_INPUT_STREAM表示开始朗读,SPEI_END_INPUT_STREAM表示朗读结束等。   可以根据需要进行判断使用。 四、结束语      SAPI的功能很多,比如语音识别、使用语法分析等,由于条件和精力有限,我未能一一尝试,感兴趣的朋友可以自己安装一个研究一下。   另外提供一个简单例子程序的下载,位置是:   ftp://vckbase:vckbase@210.192.111.117/user/iwaswzq/Universe.rar   再次感谢砸玻璃。  感谢原作者:iwaswzq


阅读全文(12647) | 回复(3) | 编辑 | 精华
 


回复:Windows 语音编程初步
网上资源,  软件技术

阿民(游客)发表评论于2007/2/24 21:51:51

你好,看到你的这篇文章,我对语音编程有些兴趣,想学一下,编译例子是遇到: LINK : fatal error LNK1181: 无法打开输入文件“t3iid.lib” 这个库要安装什么才会有? 谢谢


个人主页 | 引用回复 | 主人回复 | 返回 | 编辑 | 删除
 


回复:Windows 语音编程初步
网上资源,  软件技术

newqiang发表评论于2007/1/15 0:16:22

不好意思,iwaswzq

个人主页 | 引用回复 | 主人回复 | 返回 | 编辑 | 删除
 


回复:Windows 语音编程初步
网上资源,  软件技术

iwaswzq(游客)发表评论于2007/1/14 20:36:43

谢谢转贴,不过请注明[转贴]和来处。

个人主页 | 引用回复 | 主人回复 | 返回 | 编辑 | 删除
 


» 1 »

发表评论:
昵称:
密码:
主页:
标题:
验证码:  (不区分大小写,请仔细填写,输错需重写评论内容!)



站点首页 | 联系我们 | 博客注册 | 博客登陆

Sponsored By W3CHINA
W3CHINA Blog 0.8 Processed in 2.781 second(s), page refreshed 144749450 times.
《全国人大常委会关于维护互联网安全的决定》  《计算机信息网络国际联网安全保护管理办法》
苏ICP备05006046号