Qt: VC编程实现文本语音转换

Qt: VC编程实现文本语音转换
转自: http://www.cppblog.com/biao/archive/2009/05/15/83048.html
文本语音(Text-to-Speech,以下简称TTS),它的作用就是把通过TTS引擎把文本转化为语音输出。本文不是讲述如何建立自己的TTS引擎,而是简单介绍如何运用Microsoft Speech SDK 建立自己的文本语音转换应用程序。 

   Microsoft Speech SDK简介 

   Microsoft Speech SDK是微软提供的软件开发包,提供的Speech API (SAPI)主要包含两大方面: 

   1. API for Text-to-Speech 

   2. API for Speech Recognition 

   其中API for Text-to-Speech,就是微软TTS引擎的接口,通过它我们可以很容易地建立功能强大的文本语音程序,金山词霸的单词朗读功能就用到了这写API,而目前几乎所有的文本朗读工具都是用这个SDK开发的。至于API for Speech Recognition就是与TTS相对应的语音识别,语音技术是一种令人振奋的技术,但由于目前语音识别技术准确度和识别速度不太理想,还未达到广泛应用的要求。 

   Microsoft Speech SDK可以在微软的网站免费下载,目前的版本是5.1,为了支持中文,还要把附加的语言包(LangPack)一起下载。 

   为了在VC中使用这SDK,必需在工程中添加SDK的include和lib目录,为免每个工程都添加目录,最好的办法是在VC的 

   Option->Directoris立加上SDK的include和lib目录。 

   一个最简单的例子 

   先看一个入门的例子: 

#include <sapi.h> 

#pragma comment(lib,"ole32.lib") //CoInitialize CoCreateInstance需要调用ole32.dll 
#pragma comment(lib,"sapi.lib") //sapi.lib在SDK的lib目录,必需正确配置 
int main(int argc, char* argv[]) 

ISpVoice * pVoice = NULL; 

//COM初始化: 
if (FAILED(::CoInitialize(NULL))) 
return FALSE; 

//获取ISpVoice接口: 
HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice); 
if( SUCCEEDED( hr ) ) 

hr = pVoice->Speak(L"Hello world", 0, NULL); 
pVoice->Release(); 
pVoice = NULL; 


//千万不要忘记: 
::CoUninitialize(); 
return TRUE; 



   短短20几行代码就实现了文本语音转换,够神奇吧。SDK提供的SAPI是基于COM封装的,无论你是否熟悉COM,只要按部就班地用CoInitialize(), CoCreateInstance()获取IspVoice接口就够了,需要注意的是初始化COM后,程序结束前一定要用CoUninitialize()释放资源。 

   IspVoice接口主要函数 

   上述程序的流程是获取IspVoice接口,然后用ISpVoice::Speak()把文本输出为语音,可见,程序的核心就是IspVoice接口。除了Speak外IspVoice接口还有许多成员函数,具体用法请参考SDK的文档。下面择要说一下几个主要函数的用法: HRESULT Speak(const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber); 

   功能:就是speak了 

   参数: 

    *pwcs 输入的文本字符串,必需为Unicode,如果是ansi字符串必需先转换为Unicode。 

    dwFlags 用来标志Speak的方式,其中SPF_IS_XML 表示输入文本含有XML标签,这个下文会讲到。 

    PulStreamNumber 输出,用来获取去当前文本输入的等候播放队列的位置,只有在异步模式才有用。 

HRESULT Pause ( void ); 
HRESULT Resume ( void ); 

   功能:一看就知道了。 

HRESULT SetRate(long RateAdjust ); 
HRESULT GetRate(long *pRateAdjust); 

   功能:设置/获取播放速度,范围:-10 to 10 

HRESULT SetVolume(USHORT usVolume); 
HRESULT GetVolume(USHORT *pusVolume); 

   功能:设置/获取播放音量,范围:0 to 100 

HRESULT SetSyncSpeakTimeout(ULONG msTimeout); 
HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout); 

   功能:设置/获取同步超时时间。由于在同步模式中,电泳Speak后程序就会进入阻塞状态等待Speak返回,为免程序长时间没相应,应该设置超时时间,msTimeout单位为毫秒。 

HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 

   功能:设置输出,下文会讲到用SetOutput把Speak输出问WAV文件。 

   这些函数的返回类型都是HRESULT,如果成功则返回S_OK,错误有各自不同的错误码。 

   使用XML 
引自: http://study.qqcf.com/web/198/22269.htm
   个人认为这个TTS api功能最强大之处在于能够分析XML标签,通过XML标签设置音量、音调、延长、停顿,几乎可以使输出达到自然语音效果。前面已经提过,把Speak参数dwFlags设为SPF_IS_XML,TTS引擎就会分析XML文本,输入文本并不需要严格遵守W3C的标准,只要含有XML标签就行了,下面举个例子: …… 

pVoice->Speak(L"<VOICE REQUIRED=''NAME=Microsoft Mary''/>volume<VOLUME LEVEL=''100''>turn up</VOLUME>", SPF_IS_XML, NULL); 
…… 
<VOICE REQUIRED=''NAME=Microsoft Mary''/> 

   标签把声音设为Microsoft Mary,英文版SDK中一共含有3种声音,另外两种是Microsoft Sam和Microsoft Mike。 …… 

<VOLUME LEVEL=''100''> 

   把音量设为100,音量范围是0~100。 

   另外:标志音调(-10~10): <P99vCH MIDDLE="10">text</P99vCH> 

   注意:" 号在C/C++中前面要加 \ ,否则会出错。

你可能感兴趣的:(Qt: VC编程实现文本语音转换)