C#中英文语音合成与中文语音识别技术

 在.net中,对英文语音有较好的支持，但是对中文语音的支持还没有加入进来，我们要想实现中文发音或中文语音识别，必需先安装微软的Speech Application SDK（SASDK），它的最新版本是 SAPI 5.1 他能够识别中、日、英三种语言，你可以在这里下载：http://www.microsoft.com/speech/download/sdk51/,需要安装这两个文件Speech SDK 5.1和5.1 Language Pack，其中5.1 Language Pack可以选择安装支持的语言。 

安装好以后，我们就可以开始进行语音程序的开发了，当然，在这之前我们需要把SAPI.dll通过如下图所示添加到引用中 

下面我们设计一个能够朗读中英文混合语言的类： 

我们将用单例模式实现该类，类的代码如下，我们将详细解释： 

public class Speach 

{ 

private static Speach _Instance = null ; 

private SpeechLib.SpVoiceClass voice =null; 

private Speach() 

{ 

BuildSpeach() ; 

} 

public static Speach instance() 

{ 

if (_Instance == null) 

_Instance = new Speach() ; 

return _Instance ; 

} 

private void SetChinaVoice() 

{ 

voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(0) ; 

} 

private void SetEnglishVoice() 

{ 

voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(1) ; 

} 

private void SpeakChina(string strSpeak) 

{ 

SetChinaVoice() ; 

Speak(strSpeak) ; 

} 

private void SpeakEnglishi(string strSpeak) 

{ 

SetEnglishVoice() ; 

Speak(strSpeak) ; 

} 



public void AnalyseSpeak(string strSpeak) 

{ 

int iCbeg = 0 ; 

int iEbeg = 0 ; 

bool IsChina = true ; 

for(int i=0;i<strSpeak.Length;i++) 

{ 

char chr = strSpeak[i] ; 

if (IsChina) 

{ 

if (chr<=122&&chr>=65) 

{ 

int iLen = i - iCbeg ; 

string strValue = strSpeak.Substring(iCbeg,iLen) ; 

SpeakChina(strValue) ; 

iEbeg = i ; 

IsChina = false ; 

} 

} 

else 

{ 

if (chr>122||chr<65) 

{ 

int iLen = i - iEbeg ; 

string strValue = strSpeak.Substring(iEbeg,iLen) ; 

this.SpeakEnglishi(strValue) ; 

iCbeg = i ; 

IsChina = true ; 

} 

} 



}//end for 

if (IsChina) 

{ 

int iLen = strSpeak.Length - iCbeg ; 

string strValue = strSpeak.Substring(iCbeg,iLen) ; 

SpeakChina(strValue) ; 

} 

else 

{ 

int iLen = strSpeak.Length - iEbeg ; 

string strValue = strSpeak.Substring(iEbeg,iLen) ; 

SpeakEnglishi(strValue) ; 

} 



} 

private void BuildSpeach() 

{ 

if (voice == null) 

voice = new SpVoiceClass() ; 

} 

public int Volume 

{ 

get 

{ 

return voice.Volume ; 

} 

set 

{ 

voice.SetVolume((ushort)(value)) ; 

} 

} 

public int Rate 

{ 

get 

{ 

return voice.Rate ; 

} 

set 

{ 

voice.SetRate(value) ; 

} 

} 

private void Speak(string strSpeack) 

{ 

try 

{ 

voice.Speak(strSpeack,SpeechVoiceSpeakFlags.SVSFlagsAsync) ; 

} 

catch(Exception err) 

{ 

throw(new Exception("发生一个错误："+err.Message)) ; 

} 

} 



public void Stop() 

{ 

voice.Speak(string.Empty,SpeechLib.SpeechVoiceSpeakFlags.SVSFPurgeBeforeSpeak) ; 

} 

public void Pause() 

{ 

voice.Pause() ; 

} 

public void Continue() 

{ 

voice.Resume() ; 

} 





}//end class 





在 private SpeechLib.SpVoiceClass voice =null;这里，我们定义个一个用来发音的类，并且在第一次调用该类时，对它用BuildSpeach方法进行了初始化。 

我们还定义了两个属性Volume和Rate，能够设置音量和语速。 

我们知道，SpVoiceClass 有一个Speak方法，我们发音主要就是给他传递一个字符串，它负责读出该字符串，如下所示。 

private void Speak(string strSpeack) 

{ 

try 

{ 

voice.Speak(strSpeack,SpeechVoiceSpeakFlags.SVSFlagsAsync) ; 

} 

catch(Exception err) 

{ 

throw(new Exception("发生一个错误："+err.Message)) ; 

} 

} 

其中SpeechVoiceSpeakFlags.SVSFlagsAsync表示异步发音。 
 但是，这个方法本身并不知道你给的字符串是什么语言，所以需要我们它这个字符串用什么语言读出。SpVoiceClass 类的Voice 属性就是用来设置语种的，我们可以通过SpVoiceClass 的GetVoices方法得到所有的语种列表，然后在根据参数选择相应的语种，比如设置语种为汉语如下所示： 

private void SetChinaVoice() 

{ 

voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(0) ; 

} 

0表示是汉用，1234都表示英语，就是口音不同。 

这样，我们就设置了语种，如果结合发音方法，我们就可以设计出一个只发汉语语音的方法 

private void SpeakChina(string strSpeak) 

{ 

SetChinaVoice() ; 

Speak(strSpeak) ; 

} 

只发英语语音的方法也是类似的，上面程序里有。 

对于一段中英文混合的语言，我们让程序读出混合语音的方法就是：编程把这段语言的中英文分开，对于中文调用SpeakChina方法，英文调用SpeakEnglishi方法；至于怎样判断一个字符是英文还是中文，我采用的是判断asc码的方法，具体的类方法是通过AnalyseSpeak实现的。 

这样，对于一段中英文混合文字，我们只需把它作为参数传递给AnalyseSpeak就可以了，他能够完成中英文的混合发音。 

当然，对于发音的暂定、继续、停止等操作，上面也给出了简单的方法调用，很容易明白。 



下面简单介绍一下中文语音识别的方法： 

先把该语音识别的类源代码贴在下面，然后再做说明： 

public class SpRecognition 

{ 

private static SpRecognition _Instance = null ; 

private SpeechLib.ISpeechRecoGrammar isrg ; 

private SpeechLib.SpSharedRecoContextClass ssrContex =null; 

private System.Windows.Forms.Control cDisplay ; 

private SpRecognition() 

{ 

ssrContex = new SpSharedRecoContextClass() ; 

isrg = ssrContex.CreateGrammar(1) ; 

SpeechLib._ISpeechRecoContextEvents_RecognitionEventHandler recHandle = 

new _ISpeechRecoContextEvents_RecognitionEventHandler(ContexRecognition) ; 

ssrContex.Recognition += recHandle ; 

} 

public void BeginRec(Control tbResult) 

{ 

isrg.DictationSetState(SpeechRuleState.SGDSActive) ; 

cDisplay = tbResult ; 

} 

public static SpRecognition instance() 

{ 

if (_Instance == null) 

_Instance = new SpRecognition() ; 

return _Instance ; 

} 

public void CloseRec() 

{ 

isrg.DictationSetState(SpeechRuleState.SGDSInactive) ; 

} 

private void ContexRecognition(int iIndex,object obj,SpeechLib.SpeechRecognitionType type,SpeechLib.ISpeechRecoResult result) 

{ 

cDisplay.Text += result.PhraseInfo.GetText(0,-1,true) ; 

} 



} 



我们定义了ssrContex 和isrg为语音识别的上下文和语法，通过设置isrg的DictationSetState方法，我们可以开始或结束识别，在上面的程序中是BeginRec和CloseRec方法。cDisplay 是我们用来输出识别结果的地方，为了能够在大部分控件上都可以显示结果，我用了一个Control 类来定义它。当然，每次语音识别后都会触发ISpeechRecoContextEvents_RecognitionEventHandler 事件，我们定义了一个这样的方法ContexRecognition来响应事件，并且在这个方法里输出识别结果。 



这样，中文语音处理的一些最基本的问题就有了一个简单的解决方法，当然，这种方法还有很多不完善的地方，希望大家多提出批评意见，共同提高。