SPEECH SDK中编程文档

以下是各个组COM对象的简介。
一、高级对象（HIGH LEVER SPEECH OBJECT）：
1． Voice Commands API：功能是对应用程序进行控制，一般在语言识别系统识别了一个命令后，会调用此接口使某个应用程序完成一定的功能，如果你的程序想使用语音控制功能就必须使用此组对象
2． voice Dictation API：功能是进行听写输入，即语音识别。
3． Voice Text API ：此组对象完成从文字到语音的转换功能，即语音合成。后面 的例子会用到此对象。
4． Voice Telephony API ：它把语音识别与语音合成综合利用到了电话系统之上，利用此对象可以建立一个电话应答系统，甚至可以通过电话控制你的计算机。
5． Audio Objects API ：主要封装了计算机上的发音系统。

以下是一个报时钟表的程序，在这个程序中采用了Voice Text API对象，当你按下按钮时这个程序会报时间， 同时它还有一个编辑框，当你在里面输入英文单词以后，只要按一下按钮，它也会把单词读出来。程序比较简单，主要让你有一个感性的认识。具体代码如下：
//源程序文件clock.cpp
#include <windows.h>
#include <string.h>
#include <stdio.h>
#include <malloc.h>
#include <mmsystem.h>
#include <initguid.h>
#include <objbase.h>
#include <objerror.h>
#include <ole2ver.h>
#include <time.h>
#include "resource.h"

#include <speech.h>

PIVOICETEXT gpIVTxt;

BOOL CALLBACK DialogProc(HWND hWnd, UINT uMsg, WPARAM wParam, LPARAM lParam)
{
static char tmpbuf[128];//存放时间的字符。
switch (uMsg) {
case WM_INITDIALOG:
{
SetTimer(hWnd,1,1000,NULL);//建立定时器
break;
}
case WM_TIMER:
{
_tzset();

/* Display operating system-style date and time. */
_strtime( tmpbuf );
SetDlgItemText(hWnd,IDC_STATICCLOCK,LPCSTR(tmpbuf));//显示时间到对话框上。
break;
}
case WM_COMMAND:
switch (LOWORD(wParam))
{
case IDSPEAK:
{
char* pSpeak;
pSpeak=(char *)malloc(1024*64);//64KB

// Speak
GetDlgItemText(hWnd,IDC_EDIT, LPTSTR(pSpeak), 64*1024-1);//获取编辑框内的字符，最大长度必须限制在64kb－1内。
gpIVTxt->Speak(LPTSTR(pSpeak), VTXTST_QUESTION | VTXTSP_NORMAL, NULL); //读出编辑框中的字符
free(pSpeak);
return TRUE;
}
case IDCANCEL:
{ KillTimer(hWnd,1);
EndDialog (hWnd, IDCANCEL);
return TRUE;
}
case IDC_CLOCKSPEAK:
{gpIVTxt->Speak(LPCSTR(tmpbuf),VTXTST_QUESTION | VTXTSP_NORMAL, NULL);//读出现在的时间
return TRUE;
}
case IDC_STOP:
{gpIVTxt->StopSpeaking();//停止发音
return TRUE;
}

}
break;
};

return FALSE; // didn't handle
}

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE hPrevInstance, LPSTR lpszCmdLine, int nCmdShow)
{

CoInitialize(NULL);

if(CoCreateInstance(CLSID_VTxt,NULL, CLSCTX_LOCAL_SERVER,IID_IVoiceText, (LPVOID *) &gpIVTxt) != S_OK)
return 0;
gpIVTxt->Register(NULL,"Clock",NULL, IID_IVTxtNotifySink,NULL,NULL);
//必须使用这个注册函数
// Bring up the dialog box

DialogBox(hInstance,MAKEINTRESOURCE(IDD_CLOCK), NULL, (DLGPROC) DialogProc);//启动对话框

gpIVTxt->Release();//释放接口

CoUninitialize（）；
return 0;
}
　　资源文件clock.rc与资源头文件resource.h在此省略，在VC中可以利用资源编辑器制作一个对话框，VC会自动生成这两个文件，为了与上述代码配合，对话框的ID为IDD_CLOCK。其它对话框上的控件的ID如下所示：
注意在编译以前，要把SDK的头文件路径在VC中设置好。
二、低级对象（LOW LEVER SPEECH OBJECT）：
1． DirectSpeechRecognition API ：提供了更强大的语音识别控制功能，包括枚举语音引擎等功能。
2． DirectTextToSpeech API：提供了更强大的语音合成功能。
　　如果我们用DirectTextToSpeech API修改发声钟表程序，将会为该程序提供更强大的功能，甚至可以调节发音频率，发音者的年龄等，由于其应用很复杂，我这里不再举例。有兴趣的人可以查阅SPEECH SDK中编程文档。
那么如何获得这个SDK 呢？是不是得花很多钱呢？NO！微软公司免费提供此SDK，大家可以到www.microsoft.com 网站上下载此程序。
　　通过以上介绍，我们只是看到了Speech SDK这个巨大冰山中的一个小角，如果要想全面掌握它就必须仔细阅读Speech SDK自身的参考文档。它的应用前景是广阔的，我们可以利用它制作会说话的程序，虽然是只能说英文，但是毕竟是一个崭新的功能，势必会使你的程序更加引人注目，而且你还可以编写英语听写软件以及英语学习软件，使自己的程序轻而易举地就具有了多媒体的功能，不用再去费劲心思地去编写语音识别与语音合成引擎，而在windows 2000当中，语音识别与语音合成功能和windows 2000结合在一起成为标准配置，我想用不了多久，带有语音人机界面的程序将会大量出现。
　　最后我想再谈谈在Delphi中使用Speech SDK时需注意的几个问题，因为Delphi目前在国内拥有广泛的用户。
　　1．如何Delphi中使用Activex 控件：在Delphi 3.0中（其它版本我没有试过）使用Speech SDK提供的Activex控件会产生一些问题，在往Delphi中Import Activex 控件之后，如果你往窗体上放置控件，Delphi就会弹出一个错误信息如图二。

 

图二

　　我经过仔细研究之后，初步判断这可能是在窗体在调用控件提供的IVIEWOBJECT接口绘画控件的图案时，Delphi 与控件的自绘发生了冲突。解决的方法是修改控件的注册表信息，改变控件自绘方式。注意：修改注册表不当，会导致WINDOWS启动失常，因此我强烈建议在修改前备份注册表文件。步骤如下：
　　①启动"REGEDIT.EXE"。查找某个控件的DLL文件，例如"Voice Text Control"的DLL文件名叫"VTEXT.DLL"，在查找对话框里输入"VTEXT.DLL"，然后开始查找。查找会在此处停下，如图三。

图三

　　②选择miscstatus子键，修改其default的值，改为4。
　　③选择miscstatus的子键1,按DEL键删除它，然后给miscstatus加入一个新的子键，名称为4。这样你就可以把Voice Text Control加到Delphi中的窗体上去了。其它的控件也可依法进行修改，只是每次查找时需确定要修改控件所对应的DLL文件名。
　　2．使用COM接口。在Delphi中也可以直接使用COM接口，但是由于SPEECH SDK只提供了接口的C语言的头文件，使得DELPHI无法直接使用，必须把这个文件翻译成PASCAL语言，幸好这个工作已经有人做了，读者可以上网到www.delphi-jedi.org 中下载一个文件，解压缩之后按照说明使用即可。另外需说的是，在Delphi 中只使用ActiveX控件的读者最好也能下载这个PASCAL 头文件，这会更加方便你使用控件中的一些方法以及属性。