《微软TTS语音引擎编程入门.docx》由会员分享，可在线阅读，更多相关《微软TTS语音引擎编程入门.docx（6页珍藏版）》请在三一文库上搜索。
1、我们都使用过一些某某词霸的英语学习工具软件，它们大多都有朗读的功能， 其实这就是利用的的 TTS(Text To Speech)语音引擎。它包含在 WindowsSpeech SDK开发包中。我们也可以使用此开发包根据自己的需要开发程序。鸡啄米下面 对TTS功能的过程进行详细介绍。一. SAPI SDK的介绍SAPI，全称是 The Microsoft Speech API。就是微软的语音 API。 由 Windows Speech SDK提供。Windows Speech SDK包含语音识别SR引擎和语音合成SS引擎两 种语音引擎。 语音识别引擎用于识别语音命令， 调用接口完成某个功能， 实
2、现语 音控制。语音合成引擎用于将文字转换成语音输出。SAPI 包括以下几类接口： Voice CommandsAPI、Voice Dictation API、Voice Text API 、Voice Telephone API 和 Audio Objects API 。我们要实 现语音合成需要的是 Voice Text API 。目前最常用的 WindowsSpeech SDK版本有三种：5.1、5.3和5.4。Windows Speech SDK5.1 版本支持 xp 系统和 server 2003 系统， 需要下载安装。XP系统默认只带了个Microsoft Sam英文男声语音库，想要中
3、 文引擎就需要安装 Windows Speech SDK 5.1。Windows Speech SDK 5.3 版本支持 Vista 系统和 Server 2008 系 统，已经集成到系统里。 Vista 和 Server 2003 默认带 Microsoft lili 中文女 声语音库和 Microsoft Anna 英文女声语音库。Windows Speech SDK 5.4版本支持 Windows7系统，也已经集成 到系统里，不需要下载安装。Win7系统同样带了 Microsoft lili中文女声语音 库和 Microsoft Anna 英文女声语音库。 Microsoft lili
4、支持中英文混读。二. SAPI SDK的下载和安装如果是在XP系统下进行开发则需要下载 Microsoft Speech SDK5.1 ，下载地址为：。根据微软下载说明，有几点需要注意：1. 如果你想下载例子程序、文档、SAPI和用于开发的美国英文语 音引擎，请下载 SpeechSDK51.exe。2. 如果你想使用日文和简体中文引擎用于开发，请下载SpeechSDK51.exe和 SpeechSDK51LangPach.exe3. 如果你想将语音引擎集成到你的产品跟产品一起发布，就下载 SpeechSDK51MSM.exe4. 如果你仅想获得 XP 系统下的 Mike 和 Mary 语音，就
5、下载 S p 5TTIntXP . ex e 。5. 如果你只想要文档请下载 sapi.chm 。下载完成后可先安装引擎SpeechSDK51.exe再安装中文语言补 丁包 SpeechSDK51LangPach.exe 这样就可以使用其中的中 文男声语音库了。 如果想要在 Vista 或 Win7 系统下使用 Mike、Mary 和 Microsoft Simplified Chinese 中文男声语音库也可以下载相应的文件安装。三. VC+环境配置如果是在XP系统下开发，先安装 SpeechSDK51.exe再安装 SpeechSDK51LangPach.ex，e 假设安装路径为默认的 C
6、:Program Files'MicrosoftSpeech SDK5.1，则接下来需要配置 VC+ 以为 例，在 SolutionExporer 中的工程名上点右键，在右键菜单中选择 properties ，弹出 Property Pages对话框，然后在左侧树中选择节点”VC+Directories “，在右侧列表的Include Directories 处输入” C:Program FilesMicrosoft Speech SDKInclude “， Library Directories 处输入” C:Program FilesMicrosoft i386 “。VS2005
7、VS2008和VC6.0可以按照各自的方法设最后，在程序中使用语音引擎以前包含头文件和 lib 库：#include "sapi.h"#include "sphelper.h"#pragma comment(lib, "sapi.lib")如果是在Vista或者Win7系统中开发的话，因为头文件和lib 库所在路径已默认附加到编译器了， 所以不需手动添加， 直接在程序中包含头文 件和 lib 库即可。四. SAPI接口的使用说明1. 基本朗读过程的实现在使用语音引擎之前进行初始化：ISpVoice *pSpVoice;/ 重要 COM
8、接 口:CoInitialize(NULL);/ COM 初始化/ 获取 ISpVoice 接口CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void*)&pSpVoice);获取到 ISpVoice 接口以后，我们就可以通过 pSpVoice 指针调用SAPI 接口了。我们可以设置音量： pSpVoice->SetVolume(80); 。 SetVolume 的 参数即音量的范围在 0 到 100 之间。可以这样朗读字符串内容： pSpVoice->Speak(str
9、ing, SPF_DEFAULT, NULL)。; 这样 string 里的内容就会被朗读出来了，第二个参数 SPF_DEFAUL表示使用默认设置，包括同步朗读的设置。异步朗读可以设置成 SPF_ASYNC同步朗读表示读完string 中的内容，speak函数才会返回，而异步 朗读则将字符串送进去就返回，不会阻塞。使用完语音引擎后应执行：pSpVoice->Release();:CoUninitialize();这样资源被释放，语音朗读过程结束。以上就完成了一个简单的语音合成朗读的功能。2.ISpVoice 的成员函数鸡啄米再简单说明几个 ISpVoice 接口的成员函数：HRESULT
10、 Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber);用于读取字符串pwcs里的内容。参数pwcs为要朗读的字符串。 dwFlags 是用于控制朗读方式的标志，具体意义可以查看文档中的枚举 SPEAKFLAGSulStreamNumber为输出参数，它指向本次朗读请求对应的当前输 入流编号，每次朗读一个字符串时都会有一个流编号返 回，异步朗读时使用。HRESULTSetRate( long RateAdjust);/设置朗读速度，取值范围： -10 到 10HRESULTGetRate(long *pRateAdjust);/
11、 获取朗读速度HRESULT SetVoice(ISpObjectToken *pToken);/设置使用的语音库HRESULTGetVoice(ISpObjectToken* ppToken); / 获取语音HRESULT Pause( void ); / 暂停朗读HRESULT Resume( void );/ 恢复朗读/ 在当前朗读文本中根据 lNumItems 的符号向前或者向后跳 过指定数量( lNumItems 的绝对值)的句子。HRESULT Skip(LPCWSTR *pItemType, long lNumItems, ULONG *pulNumSkipped);/ 播放WA
12、X文件HRESULT SpeakStream(IStream *pStream,DWORDdwFlags, ULONG*pulStreamNumber);/将声音输出到WAX文件HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges);HRESULTSetXolume(USHORTusXolume);/ 设置音量，范围： 0 到 100HRESULT GetXolume(USHORT *pusXolume); / 获取音量HRESULT SetSyncSpeakTimeout(ULONGmsTimeout); / 设置同步
13、朗读超时时间，单位为毫秒HRESULTGetSyncSpeakTimeout(ULONG*pmsTimeout); / 获取 同步朗读超时时间因为在同步朗读时， speak 函数是阻塞的，如果语音输出设备被 其他程序占用，则 speak 则会一直等待， 所以最好设置好超时时间， 超时后 speak 函数自行返回。3.使用XML朗读在进行TTS开发时可以使用XML SAPI可以分析XML标签，通过 XML能够实现一些ISpVoice的成员函数的功能。比如设置语音库、音量、语速 等。此时speak函数的dwFlags参数要设置为包含SPF_IS_XML如：/ 选择语音库 Microsoft Sam
14、pSpXoice->speak(L"<XOICE REQUIRED='NAME=MicrosofStam'/> 鸡啄米", SPF_DEFAULT | SPF_IS_XML, NULL);/ 设置音量vVOLUME LEVEL='9O鸡啄米 v/VOLUME>/ 设置语言<lang langid='804'> 鸡啄米 </lang>804 代表中文， 409 代表英文。如果用函数SpGetLanguageFromToke获取语言时，0x804表示中文，0x409表示英文。五. Micro
15、sofot Speech SDK开发程序举例:Col ni tialize(NULL);/ COM初始化CLSlD CLSlD_SpVoice; CLSlDFromProglD(_T("SAPl.SpVoice"), &CLSlD_SpVoice); lSpVoice *pSpVoice = NULL;lEnumSpObjectTokens *pSpEnumTokens = NULL;/ 获取 lSpVoice 接口if (FAlLED(CoCreatelnstance(CLSlD_SpVoice, NULL, CLSCTX_lNPROC_SERVER, llD_l
16、SpVoice, (void*)&pSpVoice)return -1;/ 列举所有的语音token ,可以通过pSpEnumTokenS旨向的接口 得到if (SUCCEEDED(SpEnumTokens(SPCAT_VOlCES, NULL, NULL, &pSpEnumTokens)lSpObjectToken *pSpToken = NULL; / 依次获取每个 token 并朗读字符串 while (SUCCEEDED(pSpEnumTokens->Next(1&,pSpToken, NULL) &&pSpToken!= NULL) pS
17、pVoice->SetVoi ce(pSpToken);/ 设置当前语音 token 为 pSpTokenpSpVoice->Speak(L "Hello Word 世界你好 ", SPF_DEFAULTN,ULL);/ 朗读中文和英文的混合字符串pSpToken->Release ();/ 释放 tokenpSpEnumTokens->Release(); / 释放 pSpEnumToken接口pSpVoice->Release();:CoUninitialize();鸡啄米通过调试和朗读效果得出结论， Vista 和 Win7 上的 Mic
18、rosoft Lili 语音库可以中英文混读， Microsoft Speech SDK 5.1 中的中文 男声 Microsoft Simplified Chinese 语音库朗读英文的时候只能一个字母一个 字母的读，Anna Mike、Sam只能读英文，中文略过。那么 Microsoft Simplified Chinese 、Anna Mike、Sam怎样实 现中英文混读呢？鸡啄米告诉大家，可以修改字符串，加入XML标记，将中文和英文分别处理， 上面程序中 的字符串可以修改为： L"<lang langid='409'>Hello Word</
19、lang> <lang langid='804'> 世界你好 </lang>" 。这样当前语音库不能读 的语言会自动选择同性别的其他语音来读。六. 如何制作 SAPI 组件安装包SAPI开发的程序想要正常运行，必须保证计算机上安装了 SAPI 组件，所以我们的软件发布时最好同时发布 SAPI核心组件的安装程序，如果需 要安装新的语言，还要有语言模块。这就需要用到讲 SDK下载时提到的SpeechSDK51MSM.exeSpeechSDK51MSM.e>安装完以后会生成三个文件夹：1033、1041 和2052。其中，1033下主要是
20、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。我们要开发的是TTS程序，所以不需要SR的相关文件。英文TTS需要包含 1033 下的这些文件：Sp5.msm Sp5Intl.msm、Sp5itn.msm、 Sp5TTInt.msm、SpCommon.m§n如果需要 Mike 和 Mary 的语音还需 Sp5TTIntXP.msm文件。如果还要支持中文 TTS则需再包含2052下的文件： Sp5Intl.msm 、 Sp5itn.msm、 SP5TTINTr.msm。仍以VS2010为例，安装包制作的
21、具体过程如下：1. 选择 File->new->project ，弹出 NewProject 对话框，在左侧 面板中的 Installed Templates 下展开 Other Project Types ，继续展开起子节 点 Setup and Deployment ，最后选择 Visual Studio Installer ，右侧面板中选 择Setup Project，最后在对话框下部，设置好名称和路径点“ OK就生成工程 了。对于没有集成 Visual Studio Installer的老版本的编译器，可以在网上下载 Microsoft Visual Studio Inst
22、aller。2. 在 Solution Explorer 中的工程名上点右键， 然后在右键菜单 中选择Add->Merge Module，最后在弹出的对话框中选择上面提到的所要包含 的.msm文件即可。3. 编译运行工程，若是Debug模式则会在工程目录的Debug文件 夹下生成相应的 msi 文件，若是 Release 模式则会在 Release 目录下声称 msi 文件。SAPI 安装包到此就制作好了，我们也可以将我们的应用程序 exe 文件也一同打到安装包里。这样运行安装程序后就会将应用程序和 SAPI 组件都 装到目标主机里，应用程序可以直接运行。关于Windows TTS语音引擎的知识鸡啄米就总结完了，大家可以继续探索，开发出各种有趣的语音程序。6