实验二语音交互设计-TTS.doc

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。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：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 ； 2. API for Speech Recognition：与TTS相对应的语音识别为了在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加上SDK的include和lib目录。一、TTS基于控制台这是一个基于控制台的语音程序示例。这个例子中，使用了最简单的COM框架，并让计算机“说”一句简单的话。同时介绍了如何使用XML标签来对语音进行修改。主要包括如下步骤：-Step1：建立工程项目-Step2：初始化COM接口-Step3：创建语音对象-Step4：开始说话-Step5：用XML标签修改语音1、Step1：建立工程 (1) 利用Visual Studio的开发环境中的应用程序向导建立一个Win32控制台（console）程序。在创建过程中时，选择一个简单的“Hello world”应用程序工程项目。(2) 创建完成后，打开“stdafx.h”头文件，把以下的内容粘贴在“#include ”与“#end if”之间。这样把SAPI所需的其它依赖信息包含进来。#define _ATL_APARTMENT_THREADED #include (3) 在工程中增加两个文件sapi.h和sapi.lib的路径。在菜单栏中选择“Project”|“Settings”|“C/C+”标签页，接着在“Category”下拉列表中选择“Preprocessor”，在“Additional include directories”编辑框中填入实际头文件路径，“F:Program FilesMicrosoft Speech SDK 5.1Include”。(4) 再设置sapi.lib的路径。在同样的“Settints”对话框中，选择“Link”标签页；在“Category”下拉列表中选择“Input”；在“Additional library path”编辑框中填入sapi.lib的路径：“F:Program FilesMicrosoft Speech SDK 5.1Libi386 ；(5) 在同样的“Link”标签页中的“Object/library modules”栏中增加“sapi.lib”，注意，这里的各个库名字之间用空格隔开。Step2：初始化COM接口 SAPI 是基于COM框架的，所以使用SAPI相关函数之前和SAPI对象被激活时，程序必须初始化COM接口。下面的代码虽然除了初始化之外没有任何其它的功能，但是它确保COM能被正常启动。程序清单2：#include #include int main(int argc, char* argv) if (FAILED(:CoInitialize(NULL) return FALSE; :CoUninitialize();return TRUE;Step3：创建语音对象 COM 运行环境建立起来之后，接下来创建语音对象。语音对象是一个简单的COM对象。另外，语音对象使用很多智能的默认配置，在自身初始化过程中，SAPI自动为其配置大多数的默认值，语音对象创建完成后就可以立即被程序使用。这些默认的参数是从“控制面板”的“语言属性”中获得的，包括语言种类等。所有的默认参数，包括显见的和非显见的（比如说话速度，基音周期等），都可以用编程的方式改变，或从控制面板中的语言属性中修改。#include #include int main(int argc, char* argv) ISpVoice * pVoice = NULL; /获取ISpVoice接口： if (FAILED(:CoInitialize(NULL) return FALSE; HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void *)&pVoice); if( SUCCEEDED( hr ) ) pVoice-Release(); pVoice = NULL;/ pVoice设置为NULL空值不是必须的，但这样做有助于检查错误，也可以作为一个提示，表示这个指针的空间已经分配了或者被释放了。 :CoUninitialize(); return TRUE;注：SDK提供的SAPI是基于COM封装的，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。Step4：开始说话 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，只需调用“Speak”函数即可。HRESULT Speak（const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber）；(1) *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.(2) 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。(3) 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。代码如下：#include #include int main(int argc, char* argv) ISpVoice * pVoice = NULL; if (FAILED(:CoInitialize(NULL) return FALSE; HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void *)&pVoice); if( SUCCEEDED( hr ) ) hr = pVoice-Speak(LHello world, 0, NULL); pVoice-Release(); pVoice = NULL; :CoUninitialize(); return TRUE; Step5：用XML标签修改语音 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，在下面的例子中，后部分的语音基音频率会比前部分的低10个等级。#include #include int main(int argc, char* argv) ISpVoice * pVoice = NULL; if (FAILED(:CoInitialize(NULL) return FALSE; HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void *)&pVoice); if( SUCCEEDED( hr ) ) hr = pVoice-Speak(LHello world, 0, NULL); /