微软TTS引擎实例

    首先，想要实现将文本转换为语音，就得先了解微软提供的TTS(Text to Speech)的SDK。下面对TTS进行介绍：

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 Commands API、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Windows Speech SDK版本有三种：5.1、5.3和5.4。

        Windows Speech SDK 5.1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 SDK 5.1，下载地址为：http://www.microsoft.com/download/en/details.aspx?id=10121。

       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.exe。
       3.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.exe。
       4.如果你仅想获得XP系统下的Mike和Mary语音，就下载Sp5TTIntXP.exe。
       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.exe，假设安装路径为默认的C:\Program Files\Microsoft Speech SDK 5.1，则接下来需要配置VC++，以VS2010为例，在Solution Exporer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 Files\Microsoft Speech SDK 5.1\Include“，Library Directories处输入”C:\Program Files\Microsoft Speech SDK 5.1\lib\i386“。VS2005、VS2008和VC6.0可以按照各自的方法设置。

       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.SDK接口说明        1. 获取ISpVoice接口
            CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice);

       2.ISpVoice的成员函数

        详细说明可以查阅MSDN：https://msdn.microsoft.com/en-us/library/ms719576(v=vs.85).aspx

         HRESULT 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SPEAKFLAGS。pulStreamNumber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。

       HRESULT SetRate( long   RateAdjust);         // 设置朗读速度，取值范围：-10到10
       HRESULT GetRate(long *pRateAdjust);        // 获取朗读速度

       HRESULT SetVoice(ISpObjectToken   *pToken);    // 设置使用的语音库

       HRESULT GetVoice(ISpObjectToken** ppToken);  // 获取语音库

       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WAV文件
       HRESULT SpeakStream(IStream   *pStream, DWORD      dwFlags, ULONG     *pulStreamNumber);

       // 将声音输出到WAV文件
       HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 

       HRESULT SetVolume(USHORT usVolume);      // 设置音量，范围：0到100
       HRESULT GetVolume(USHORT *pusVolume);  // 获取音量

       HRESULT SetSyncSpeakTimeout(ULONG msTimeout);      // 设置同步朗读超时时间，单位为毫秒
       HRESULT GetSyncSpeakTimeout(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。

五.代码实例

   1.初始化

void CTTSDlg::InitVoicePackageSelComboxCtrl()
{
//初始化COM组件
if(FAILED(::CoInitialize(NULL)))
{
MessageBox(_T("初始化COM组件失败"), _T("提示"), MB_OKCANCEL);
return;
}
if(SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL,NULL, &m_pIEnumSpObjectTokens)))
{
//得到所有语音Token的个数
ULONG ulTokensNumber = 0;
m_pIEnumSpObjectTokens->GetCount(&ulTokensNumber);
//检测该机器是否安装有语音包
if(ulTokensNumber == 0)
{
MessageBox(_T("该机器没有安装语音包!"), _T("提示"), MB_OK|MB_ICONWARNING);
return;    
}

//将语音包的名字加入组合框控件
CString strVoicePackageName = _T("");
CString strTokenPrefixText = _T("HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Speech\\Voices\\Tokens\\");
for(ULONG i=0; i{
m_pIEnumSpObjectTokens->Item(i, &m_pISpObjectToken);
LPWSTR* pChar = new LPWSTR;
m_pISpObjectToken->GetId(pChar);
USES_CONVERSION;
LPCTSTR lpStr = W2A(*pChar);
strVoicePackageName = lpStr;
strVoicePackageName.Delete(0, strTokenPrefixText.GetLength());
m_ComboxVoiceSel.InsertString(i, strVoicePackageName);
}

//设置默认的语音包选择
m_ComboxVoiceSel.SetCurSel(0);
}
GetISpVoice();
}
BOOL CTTSDlg::GetISpVoice()
{
//获取ISpVoice接口
if(FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&m_pISpVoice)))
{
MessageBox(_T("获取ISpVoice接口失败"), _T("提示"), MB_OKCANCEL);
return FALSE;
}
return TRUE;
}

     2.将文字转换为语音

void CTTSDlg::OnBnClickedButtonStart()
{
// TODO: 在此添加控件通知处理程序代码
UpdateData(TRUE);
//设置语音
m_pIEnumSpObjectTokens->Item(m_ComboxVoiceSel.GetCurSel(), &m_pISpObjectToken);
m_pISpVoice->SetVoice(m_pISpObjectToken);
//设置播放速度
m_pISpVoice->SetRate(m_voiceSpeed.GetPos() - 5);
//设置播放音量
m_pISpVoice->SetVolume((100 - m_voiceSize.GetPos()) * 10);
CString text;
m_editSpeekText.GetWindowTextA(text);
if(text.IsEmpty())
{
MessageBox(_T("播放内容不能为空"), _T("提示"), MB_OKCANCEL);
return;
}
m_pISpVoice->Speak(text.AllocSysString(), SPF_ASYNC, NULL);
}

    3.暂停和继续，ISpVoice接口中提供了开始和暂停接口

void CTTSDlg::OnBnClickedButtonStopContinue()
{
// TODO: 在此添加控件通知处理程序代码
if(!m_bPause)
{
m_pISpVoice->Pause();
m_bPause = TRUE;
}
else
{
m_pISpVoice->Resume();
m_bPause = FALSE;
}
return ;
}

   4.将语音存成WAV文件

void CTTSDlg::OnBnClickedButtonGenerateWavFile()
{
// TODO: 在此添加控件通知处理程序代码
//获取保存文件路径
BOOL isOpen = FALSE;        //是否打开(否则为保存)  
CString defaultDir = _T("D:");   //默认打开的文件路径  
CString fileName = _T("test.wav");         //默认打开的文件名  
CString filter = _T("文件 (*.wav)||");   //文件过虑的类型  
CFileDialog openFileDlg(isOpen, defaultDir, fileName, OFN_HIDEREADONLY|OFN_OVERWRITEPROMPT, filter, NULL);  
INT_PTR result = openFileDlg.DoModal();  
CString filePath = defaultDir + _T("\\") + fileName;  
if(result == IDOK) 
{  
filePath = openFileDlg.GetPathName();  
}  
//生成WAV文件
CString voiceText;
m_editSpeekText.GetWindowTextA(voiceText);
CComPtr cpISpStream;
CComPtr cpISpStreamFormat;
CSpStreamFormat spStreamFormat;
m_pISpVoice->GetOutputStream(&cpISpStreamFormat);
spStreamFormat.AssignFormat(cpISpStreamFormat);
HRESULT hResult = SPBindToFile(filePath, 
SPFM_CREATE_ALWAYS, 
&cpISpStream, 
&spStreamFormat.FormatId(), 
spStreamFormat.WaveFormatExPtr());
if(SUCCEEDED(hResult))
{
m_pISpVoice->SetOutput(cpISpStream, TRUE);
m_pISpVoice->Speak(voiceText.AllocSysString(), SPF_DEFAULT, NULL);
MessageBox( _T("生成WAV文件成功!"), _T("提示"), MB_OK);
}
else
{
MessageBox(_T("生成WAV文件失败!"), _T("提示"), MB_OK|MB_ICONWARNING);
}
}

     效果图如下