基于Speech SDK开发中英文混合朗读程序
摘 要 中英文混合朗读一直是个难点，本文在分析Microsoft Speech SDK中英文引擎的基础上，提出了根据文本类型实时切换中英文引擎的方法，在Visual C++6.0中实现了一个示例程序。
关键词 Speech SDK；中英文混合朗读；Visual C++
1 Speech SDK简介
语音识别(SR)和语音合成(TTS)一直是计算机应用的热点，如果你想在Windows平台上开发具有语音识别和语音合成功能的应用程序，使用Microsoft Speech SDK是较好的选择。现在许多应用程序的语音识别和语音合成部分，例如金山词霸，就是在此基础上开发的。
Microsoft Speech SDK是微软公司推出的支持语音应用程序开发的工具包，其最新版本是5.1，可以在微软的网站免费下载，如果要支持中文，还要下载相应的Language Pack。下载后先安装Speech SDK，再安装简体中文语言包，这样你的计算机就具有中英文语音能力了。
下面介绍在Visual C++6.0中如何利用Speech SDK开发中英文全文朗读的程序。
2 SpVoice类介绍
SpVoice类是支持语音合成(TTS)的核心类。通过SpVoice对象调用TTS引擎，从而实现朗读功能。 SpVoice类有以下主要属性：
Voice：表示发音类型，相当于进行朗读的人，包括Microsoft Mary，Microsoft Mike，Microsoft Sam和Microsoft Simplified Chinese四种。其中前三种只能读英文，最后一种可以读中文，也可以读英文，但对于英文单词只能将其包括的各个字母逐一朗读出来。下面的程序中我们将会想办法解决这个问题。
Rate：语音朗读速度，取值范围为-10到+10。数值越大，速度越快。
Volume：音量，取值范围为0到100。数值越大，音量越大。
SpVoice有以下主要方法：
Speak：完成将文本信息转换为语音并按照指定的参数进行朗读，该方法有Text和Flags两个参数，分别指定要朗读的文本和朗读方式（同步或异步等）。
Pause：暂停使用该对象的所有朗读进程。该方法没有参数。
Resume：恢复该对象所对应的被暂停的朗读进程。该方法没有参数。
3 建立工程并导入类型库
建立一个名字为mytts的MFC AppWizard(exe) 工程，在step1里面选择Dialog Based，在step2里面把Automation选项勾上。 其它的选默认值。
查找 spai.dll，将其拷贝到工程的res 目录，打开 MFC ClassWizard，选择 Automation 页，单击按钮"Add Class…"，选择"From a type library…"，选中"sapi.dll"文件，这时系统会出现 confirm Classes 对话框，询问将要导入的类，我们全部选中。
4 增加控件
给对话框IDD_MYTTS_DIALOG增加控件，结果如图1所示。
图1 程序界面
5 编写代码
这里只说明关键的代码，完整代码可参考源文件。
1) 对话框的初始化
这里主要完成语音对象的速度，音量等基本参数的设置。
BOOL CMyttsDlg：：OnInitDialog()
{ ……
CLSIDFromProgID(L"SAPI.SpVoice"，&CLSID_ SpVoice)；
voice.CreateDispatch(CLSID_SpVoice)； //创建一个对象
pDisp = voice.m_lpDispatch；
HRESULT hr = pDisp->QueryInterface(CLSID_SpVoice，(void**)&voice.m_lpDispatch)；
if (hr == S_OK) { pDisp->Release()；}
else { voice.AttachDispatch(pDisp，TRUE)；} //关联对象与接口
voice.SetRate(0)；//设置速度
voice.SetVolume(100)；//设置音量
voiceList=voice.GetVoices(NULL，NULL)； //读取语音列表：
……
m_Text="你好How are you"；//设置要阅读的初始文本
UpdateData(FALSE)；
……
}
2) 阅读按钮的代码
这部分代码是本程序的核心，主要解决的问题是实现中英文引擎的实时切换。实现方法是这样：依次处理文本中的每个字符，判断该字符的中英文类型，若其类型与前面的字符一致，继续处理后面的字符。直到发现一个字符与前面字符的类型不一致时，将前面的字符读出来（当然要根据字符类型设置相应的引擎），然后再处理后面的字符。具体代码如下：
void CMyttsDlg：：OnBtnRead()
{
long i，len；
char curr；
CString str；
int flagPre，flagCur；
int icnt，first；
UpdateData(TRUE)；
len=m_Text.GetLength()；
flagPre=iChn；icnt=0；first=0；
for (i=0；i<len；i++)
{
curr=m_Text.GetAt(i)；
if (curr==' ') flagCur=flagPre；//如果是空格，标志不变
else
{
if ((curr>='A' && curr<='Z') || (curr>='a' && curr<='z')) flagCur=iEng；//如果是英文字母，标志设为0
else flagCur=iChn；//否则标志设为3
}
if (flagCur==flagPre) icnt++；
else
{
if (icnt!=0) //字符类型变化，读出前面的文本
{
voice.SetRefVoice(voiceList.Item(flagPre))；
str=m_Text.Mid(first，icnt)；
voice.Speak(str，1)；
}
flagPre=flagCur；first=i；icnt=1；
}
}
//读出最后一段文本
voice.SetRefVoice(voiceList.Item(flagPre))；
str=m_Text.Mid(first，icnt)；
voice.Speak(str，1)；
}
6 总结
本文给出了一种根据文本类型实时切换Microsoft Speech SDK的中英文引擎的方法，程序在Windows 2000和Visual C++6.0环境中调试通过。读者可以在此基础上添加其它功能。
参考文献
[1] 毕晓君，静广宇，徐先锋．利用TTS技术实现文本文件的语音合成[J]．自动化技术与应用，2004，23(9)：49-51
[2] 徐雨明．在VFP中调用MSTTS技术实现英文语音输出的方法[J]．电脑编程技巧与维护，2001(1)：17，24
[3] 陈再良，沈海澜．基于MSTTS英文朗读功能的实现[J]．计算机时代，2002(4)：34-35