微軟TTS語音引擎編程入門

1、我們都使用過一些某某詞霸的英語學(xué)習(xí)工具軟件，它們大多都有朗讀的功能， 其實(shí)這就是利用的的 TTS(Text To Speech)語音引擎。它包含在 WindowsSpeech SDK開發(fā)包中。我們也可以使用此開發(fā)包根據(jù)自己的需要開發(fā)程序。雞啄米下面 對(duì)TTS功能的過程進(jìn)行詳細(xì)介紹。一. SAPI SDK的介紹SAPI，全稱是 The Microsoft Speech API。就是微軟的語音 API。 由 Windows Speech SDK提供。Windows Speech SDK包含語音識(shí)別SR引擎和語音合成SS引擎兩 種語音引擎。 語音識(shí)別引擎用于識(shí)別語音命令， 調(diào)用接口完成某個(gè)功能， 實(shí)

2、現(xiàn)語 音控制。語音合成引擎用于將文字轉(zhuǎn)換成語音輸出。SAPI 包括以下幾類接口： Voice CommandsAPI、Voice Dictation API、Voice Text API 、Voice Telephone API 和 Audio Objects API 。我們要實(shí) 現(xiàn)語音合成需要的是 Voice Text API 。目前最常用的 WindowsSpeech SDK版本有三種：5.1、5.3和5.4。Windows Speech SDK5.1 版本支持 xp 系統(tǒng)和 server 2003 系統(tǒng)， 需要下載安裝。XP系統(tǒng)默認(rèn)只帶了個(gè)Microsoft Sam英文男聲語音庫，想要中

3、 文引擎就需要安裝 Windows Speech SDK 5.1。Windows Speech SDK 5.3 版本支持 Vista 系統(tǒng)和 Server 2008 系 統(tǒng)，已經(jīng)集成到系統(tǒng)里。 Vista 和 Server 2003 默認(rèn)帶 Microsoft lili 中文女 聲語音庫和 Microsoft Anna 英文女聲語音庫。Windows Speech SDK 5.4版本支持 Windows7系統(tǒng)，也已經(jīng)集成 到系統(tǒng)里，不需要下載安裝。Win7系統(tǒng)同樣帶了 Microsoft lili中文女聲語音 庫和 Microsoft Anna 英文女聲語音庫。 Microsoft lili

4、支持中英文混讀。二. SAPI SDK的下載和安裝如果是在XP系統(tǒng)下進(jìn)行開發(fā)則需要下載 Microsoft Speech SDK5.1 ，下載地址為：。根據(jù)微軟下載說明，有幾點(diǎn)需要注意：1. 如果你想下載例子程序、文檔、SAPI和用于開發(fā)的美國(guó)英文語 音引擎，請(qǐng)下載 SpeechSDK51.exe。2. 如果你想使用日文和簡(jiǎn)體中文引擎用于開發(fā)，請(qǐng)下載SpeechSDK51.exe和 SpeechSDK51LangPach.exe3. 如果你想將語音引擎集成到你的產(chǎn)品跟產(chǎn)品一起發(fā)布，就下載 SpeechSDK51MSM.exe4. 如果你僅想獲得 XP 系統(tǒng)下的 Mike 和 Mary 語音，就

5、下載 S p 5TTIntXP . ex e 。5. 如果你只想要文檔請(qǐng)下載 sapi.chm 。下載完成后可先安裝引擎SpeechSDK51.exe再安裝中文語言補(bǔ) 丁包 SpeechSDK51LangPach.exe 這樣就可以使用其中的中 文男聲語音庫了。 如果想要在 Vista 或 Win7 系統(tǒng)下使用 Mike、Mary 和 Microsoft Simplified Chinese 中文男聲語音庫也可以下載相應(yīng)的文件安裝。三. VC+環(huán)境配置如果是在XP系統(tǒng)下開發(fā)，先安裝 SpeechSDK51.exe再安裝 SpeechSDK51LangPach.ex，e 假設(shè)安裝路徑為默認(rèn)的 C

6、:Program Files'MicrosoftSpeech SDK5.1，則接下來需要配置 VC+ 以為 例，在 SolutionExporer 中的工程名上點(diǎn)右鍵，在右鍵菜單中選擇 properties ，彈出 Property Pages對(duì)話框，然后在左側(cè)樹中選擇節(jié)點(diǎn)”VC+Directories “，在右側(cè)列表的Include Directories 處輸入” C:Program FilesMicrosoft Speech SDKInclude “， Library Directories 處輸入” C:Program FilesMicrosoft i386 “。VS2005

7、VS2008和VC6.0可以按照各自的方法設(shè)最后，在程序中使用語音引擎以前包含頭文件和 lib 庫：#include "sapi.h"#include "sphelper.h"#pragma comment(lib, "sapi.lib")如果是在Vista或者Win7系統(tǒng)中開發(fā)的話，因?yàn)轭^文件和lib 庫所在路徑已默認(rèn)附加到編譯器了， 所以不需手動(dòng)添加， 直接在程序中包含頭文 件和 lib 庫即可。四. SAPI接口的使用說明1. 基本朗讀過程的實(shí)現(xiàn)在使用語音引擎之前進(jìn)行初始化：ISpVoice *pSpVoice;/ 重要 COM

8、接 口:CoInitialize(NULL);/ COM 初始化/ 獲取 ISpVoice 接口CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void*)&pSpVoice);獲取到 ISpVoice 接口以后，我們就可以通過 pSpVoice 指針調(diào)用SAPI 接口了。我們可以設(shè)置音量： pSpVoice->SetVolume(80); 。 SetVolume 的 參數(shù)即音量的范圍在 0 到 100 之間?？梢赃@樣朗讀字符串內(nèi)容： pSpVoice->Speak(str

9、ing,SPF_DEFAULT, NULL。；這樣string里的內(nèi)容就會(huì)被朗讀出來了，第二個(gè)參數(shù) SPF_DEFAUL表示使用默認(rèn)設(shè)置，包括同步朗讀的設(shè)置。異步朗讀可以設(shè)置成 SPF_ASYNC同步朗讀表示讀完string 中的內(nèi)容，speak函數(shù)才會(huì)返回，而異步 朗讀則將字符串送進(jìn)去就返回，不會(huì)阻塞。使用完語音引擎后應(yīng)執(zhí)行：pSpVoice->Release()；:CoUninitialize()；這樣資源被釋放，語音朗讀過程結(jié)束。以上就完成了一個(gè)簡(jiǎn)單的語音合成朗讀的功能。2.ISpVoice 的成員函數(shù)雞啄米再簡(jiǎn)單說明幾個(gè) ISpVoice 接口的成員函數(shù)：HRESULT Spea

10、k(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber)；用于讀取字符串pwcs里的內(nèi)容。參數(shù)pwcs為要朗讀的字符串。 dwFlags 是用于控制朗讀方式的標(biāo)志，具體意義可以查看文檔中的枚舉 SPEAKFLAGSulStreamNumber為輸出參數(shù)，它指向本次朗讀請(qǐng)求對(duì)應(yīng)的當(dāng)前輸 入流編號(hào)，每次朗讀一個(gè)字符串時(shí)都會(huì)有一個(gè)流編號(hào)返 回，異步朗讀時(shí)使用。HRESULTSetRate( long RateAdjust)；/設(shè)置朗讀速度，取值范圍： -10 到 10HRESULTGetRate(long *pRateAdjust)；/ 獲取朗讀

11、速度HRESULT SetVoice(ISpObjectToken *pToken)；/設(shè)置使用的語音庫HRESULTGetVoice(ISpObjectToken* ppToken)； / 獲取語音HRESULT Pause( void ); / 暫停朗讀HRESULT Resume( void );/ 恢復(fù)朗讀/ 在當(dāng)前朗讀文本中根據(jù) lNumItems 的符號(hào)向前或者向后跳 過指定數(shù)量( lNumItems 的絕對(duì)值)的句子。HRESULT Skip(LPCWSTR *pItemType, long lNumItems, ULONG *pulNumSkipped);/ 播放WAX文件HR

12、ESULT SpeakStream(IStream *pStream,DWORDdwFlags, ULONG*pulStreamNumber);/將聲音輸出到WAX文件HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges);HRESULTSetXolume(USHORTusXolume);/ 設(shè)置音量，范圍： 0 到 100HRESULT GetXolume(USHORT *pusXolume); / 獲取音量HRESULT SetSyncSpeakTimeout(ULONGmsTimeout); / 設(shè)置同步朗讀超時(shí)時(shí)

13、間，單位為毫秒HRESULTGetSyncSpeakTimeout(ULONG*pmsTimeout); / 獲取 同步朗讀超時(shí)時(shí)間因?yàn)樵谕嚼首x時(shí)， speak 函數(shù)是阻塞的，如果語音輸出設(shè)備被 其他程序占用，則 speak 則會(huì)一直等待， 所以最好設(shè)置好超時(shí)時(shí)間， 超時(shí)后 speak 函數(shù)自行返回。3.使用XML朗讀在進(jìn)行TTS開發(fā)時(shí)可以使用XML SAPI可以分析XML標(biāo)簽，通過 XML能夠?qū)崿F(xiàn)一些ISpVoice的成員函數(shù)的功能。比如設(shè)置語音庫、音量、語速 等。此時(shí)speak函數(shù)的dwFlags參數(shù)要設(shè)置為包含SPF_IS_XML如：/ 選擇語音庫 Microsoft SampSpXo

14、ice->speak(L"<XOICE REQUIRED='NAME=MicrosofStam'/> 雞啄米", SPF_DEFAULT | SPF_IS_XML, NULL);/ 設(shè)置音量vVOLUME LEVEL='9O雞啄米 v/VOLUME>/ 設(shè)置語言<lang langid='804'> 雞啄米 </lang>804 代表中文， 409 代表英文。如果用函數(shù)SpGetLanguageFromToke獲取語言時(shí)，0x804表示中文，0x409表示英文。五. Microsofot

15、 Speech SDK開發(fā)程序舉例:Col ni tialize(NULL);/ COM初始化CLSlD CLSlD_SpVoice; CLSlDFromProglD(_T("SAPl.SpVoice"), &CLSlD_SpVoice); lSpVoice *pSpVoice = NULL;lEnumSpObjectTokens *pSpEnumTokens = NULL;/ 獲取 lSpVoice 接口if (FAlLED(CoCreatelnstance(CLSlD_SpVoice, NULL, CLSCTX_lNPROC_SERVER, llD_lSpVoi

16、ce, (void*)&pSpVoice)return -1;/ 列舉所有的語音token ,可以通過pSpEnumTokenS旨向的接口 得到if (SUCCEEDED(SpEnumTokens(SPCAT_VOlCES, NULL, NULL, &pSpEnumTokens)lSpObjectToken *pSpToken = NULL; / 依次獲取每個(gè) token 并朗讀字符串 while (SUCCEEDED(pSpEnumTokens->Next(1&,pSpToken, NULL) &&pSpToken!= NULL) pSpVoic

17、e->SetVoi ce(pSpToken);/ 設(shè)置當(dāng)前語音 token 為 pSpTokenpSpVoice->Speak(L "Hello Word 世界你好 ", SPF_DEFAULTN,ULL);/ 朗讀中文和英文的混合字符串pSpToken->Release ();/ 釋放 tokenpSpEnumTokens->Release(); / 釋放 pSpEnumToken接口pSpVoice->Release();:CoUninitialize();雞啄米通過調(diào)試和朗讀效果得出結(jié)論， Vista 和 Win7 上的 Microsof

18、t Lili 語音庫可以中英文混讀， Microsoft Speech SDK 5.1 中的中文 男聲 Microsoft Simplified Chinese 語音庫朗讀英文的時(shí)候只能一個(gè)字母一個(gè) 字母的讀，Anna Mike、Sam只能讀英文，中文略過。那么 Microsoft Simplified Chinese 、Anna Mike、Sam怎樣實(shí) 現(xiàn)中英文混讀呢？雞啄米告訴大家，可以修改字符串，加入XML標(biāo)記，將中文和英文分別處理， 上面程序中 的字符串可以修改為： L"<lang langid='409'>Hello Word</lang&

19、gt; <lang langid='804'> 世界你好 </lang>" 。這樣當(dāng)前語音庫不能讀 的語言會(huì)自動(dòng)選擇同性別的其他語音來讀。六. 如何制作 SAPI 組件安裝包SAPI開發(fā)的程序想要正常運(yùn)行，必須保證計(jì)算機(jī)上安裝了 SAPI 組件，所以我們的軟件發(fā)布時(shí)最好同時(shí)發(fā)布 SAPI核心組件的安裝程序，如果需 要安裝新的語言，還要有語言模塊。這就需要用到講 SDK下載時(shí)提到的SpeechSDK51MSM.exeSpeechSDK51MSM.e>安裝完以后會(huì)生成三個(gè)文件夾：1033、1041 和2052。其中，1033下主要是用于英文的 TTS和SR的.msm文件，1041下主要 是用于日文SR的.msm文件，2052下是用于中文TTS和SR的msm文件。我們要開發(fā)的是TTS程序，所以不需要SR的相關(guān)文件。英文TTS需要包含 1033 下的這些文件：Sp5.msm Sp5Intl.msm、Sp5itn.msm、 Sp5TTInt.msm、SpCommon.m§n如果需要 Mike 和 Mary 的語音還需 Sp5TTIntXP.msm文件。如果還要支持中文 TTS則需再包含2052下的文件： Sp5Intl.msm 、 Sp5itn.msm、