admin 管理员组

文章数量: 1087139


2024年3月22日发(作者:jupyter notebook打不开怎么办)

微软Windows Speech SDK编程入门

2009-02-24 13:33

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:

/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,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

。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,

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。大约3.5M。

(5)如果要获取开发包的文档说明,请下载。大约2.3M。这个在sdk51

里面已经包含。

下载完毕后,首先安装,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 5.1include

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 5.1libi386

使vc在链接的时候能够找到。

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(ysString(),SPF_ASYNC,NULL);

另外也可以使用如下方式:

CComPtr m_cpVoice;

HRESULT hr = m_teInstance( CLSID_SpVoice );

在下面的例子中都用这个m_cpVoice变量。


本文标签: 语音 引擎 下载 使用 接口