admin 管理员组文章数量: 1086019
2024年3月22日发(作者：for语句流程图画法)
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
HRESULT hr = m_teInstance( 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
HRESULT hrOutputStream = m_cpVoice->GetOutputStream(&cpStream);
if (hrOutputStream == S_OK)
{
版权声明：本文标题：Speech SDK使用说明 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1711105490a588740.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论