事件驱动的文本语音转换（TTS）实例
译者注：本文来自微软的SAPI5.1文档， --seasun/openpaper论坛 2007-10-22
本教程介绍了一个基本的文字转语音的例子，应用程序使用图形界面（非控制台应用程序）
建立项目
本实例的基本代码，是用Visual C++ 6.0自动生成的一个简单"您好，世界"例子。首先，创建一个新的windows 32平台应用程序项目，并且命名为“Test”。在随后的向导中，选择一个典型的“Hello world！”应用。由此产生的项目代码比命令行版本的长，且大多数新的复杂代码与sapi关系不大，但是是实现图形界面所必须的代码。
设置sapi的路径
与SAPI相关的文件路径必须在项目中声明。以下是设置“sapi.h”路径的步骤：
1，在菜单上，选择工具“Tools”，然后单击选项“Options”。
2，单击“Directories”选项卡。
3，选择“Include Files”下拉式选单
4，单击最后一行闲置在路径清单，并输入“sapi.h”的文件路径：“C:/Program Files/Microsoft Speech SDK 5.1/Include”
5，选择“Library Files”下拉式选单，并输入“sapi.lib”的文件路径： “C:/Program Files/Microsoft Speech SDK 5.1/Lib/i386”。最后单击确定。
创建“Speak”菜单命令
为了使应用程序响应我们发出“Speak”命令，并且发出声音，需要对自动生成的菜单项做一些修改。读者可以通过VC6.0的资源管理器，在“File”菜单下面，增加一个“Speak”命令项，并且将该命令项的资源ID设置为“IDM_SPEAK”。后文再讲述如何处理这个命令事件的代码。现在先来编译和运行这个应用程序，确保以上的设置准确无误。程序除了在屏幕上面显示“Hello world”之外，其它什么事情也没做，但是它确实可以运行起来了。
使用这个实例
这并不是具体实际应用的例子，因为它只是简单地说了一句话。在实际健壮和灵活的应用中，程序会从一个对话框，资源或文件中获得说话内容的。但是在本例中，它展示了文本-语言转换的基本功能，并且也说明了很多这方面的机制和原理。
更重要的是，它展现了sapi和应用程序之间相互通信机制。通过这种通信机制，程序在运行过程中，就可以实时地获得说话内容。在另外两个不同的例子（其它文档中有介绍），利用这些交互信息，程序实时地以文字形式显示出当前的说话内容，和将它们高亮显示在屏幕上。这样做，目的是展现SAPI的事件驱动模式。本例子主要介绍了一些语音消息和有趣味性的特色。趣味性是SAPI最终的目的。
此外，互动信息并不限于确定的正在说的文字。涉及
sapi或语音引擎各式的各种内部动作事件，也是对程序非常有用。 speventenum名单中列出了可能发生的事件。举例来说，如果你的程序是模拟一个生动活泼语音人，你将对每次一个嘴形感兴趣。该嘴形代表了讲话时嘴的变化。所以在说话过程中，嘴形是一闭一合不断变化的。同样，开始和停止的讲话音可能也会对程序十分有用。一般来说，这些事件和活动都是很有趣的。
第1步：初始化com
第2步：设置声音
第3步：讲！
第4步：设置感兴趣的事件
第5步：确定事件类型
第6步：响应事件
第1步：初始化com
正如任何其它sapi的应用一样， com必须成功地初始化。下面用一个winmain中的程序段说明。唯一的限制是在使用任何sapi的特定代码前com必须是初始化完成了，并且在运行sapi过程中，COM一直都是活动的。既然sapi是用initinstance来实例化的，COM的初始化就应该在initinstance之前被初始化 ，并在消息循环之后被撤销。
程序清单1：粗体字代表着这个例子的新代码
if( FAILED( CoInitialize(NULL) ) )
{
return FALSE;
}
// Perform application initialization:
if (!InitInstance (hInstance, nCmdShow))
{
return FALSE;
}
hAccelTable = LoadAccelerators(hInstance, (LPCTSTR)IDC_GUIAPP);
// Main message loop:
while (GetMessage(&msg, NULL, 0, 0))
{
if (!TranslateAccelerator(msg.hwnd, hAccelTable, &msg))
{
TranslateMessage(&msg);
DispatchMessage(&msg);
}
}
CoUninitialize();
第2步：设置声音
一旦com运行后，下一步就是要创建语音对象。这里需要用到cocreateinstance（） 。正如上一篇中的命令例子中说， sapi使用很多智能的默认配置。所以只要进行很少的初始化，你即时可以使用语音对象。这些默认配置放在在语音属性，控制面板，一个可选的声音模式（如果你的系统有一个以上的），和语言（英文，日文等）。有些则默认是显而易见的，其他的就没这么明显（如讲话速率，基音周期等）。不过，你可以以编程的方式或通过控制面板来改变所有的默认配置。
为求简洁和方便起见，这个例子使用了特别的处理方式。首先，它使用initinstance （ ）来初始化的声音。这是最简单的初始化过程。在其他一些应用中，特别是使用语音识别（SR）实例中，程序可能有专门的初始化模块，这样可以使SAPI相关的代码与普通的程序代码独立开来。第二，这个语音对象是全局性的。根据你的应用程序的设计和要求，你可能不需要一个全局的语音对象。第三，对下面的代码来说，语音对象建立之后，对象本身和用到的内存立即被释放。显然，如果这个对象有其它用途的话，它是不能被释放的。这过渡性的代码，只是为了做一个简单的说明。最后，如果初始化失败，应用程序应该有更强有力的检查错误机制，更广泛的报告和更详细的资料。
程序清单2：
ISpVoice *pVoice; //SAPI voice
.
.
.
BOOL InitInstance(HINSTANCE hInstance, int nCmdShow)
{
HWND hWnd;
hInst = hInstance; // Store instance handle in our global variable
hWnd = CreateWindow(szWindowClass, szTitle, WS_OVERLAPPEDWINDOW,
CW_USEDEFAULT, 0, CW_USEDEFAULT, 0, NULL, NULL, hInstance, NULL);
if (!hWnd)
{
return FALSE;
}
ShowWindow(hWnd, nCmdShow);
UpdateWindow(hWnd);
//Initialize SAPI
HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);
if( SUCCEEDED( hr ) )
{
pVoice->Release();
pVoice = NULL;
}
else
return FALSE;
return TRUE;
}
第3步：讲！
所幸的是，最有趣的部分工作，也是最简单的。要让计算机讲话也只需一句简单的调用命令。要讲话的内容用一个参数传给语音对象。这些内容可以根据程序的具体应用来改变。如前所述，常是从一个对话框或一个文件获取字符串的。另外，字符串也可以从一个流中获取，但就要使用另外一个调用 ispvoice：： speakstream 。这个例子使用一个简单的，代码化的句子。Speak函数可以使用类似于下面的文本
Speck（L”I am glad to speak.”,spf_async ，NULL）;
这个调用代码是放在windows的消息处理函数wndproc （ ）相应的消息处理中的 。选择从文件菜单,选择Speak命令,计算机将开始讲： "我很高兴发言。 "
程序代码3:
第4步：设置事件
象其它大部分windows应用程序一样，在COM组件中有很多交互动作,这些交互信息将以信息形式出现。sapi是也一样。信息是在TTS或SR引擎中产生的,某个特定的事件也是在那里开始和结束的.很多时候, sapi或sapi的引擎产生的事件是对应用程序有用的。举例来说，当一个识别过程开始的时候，应用程序会得到相应的通知或消息,最终的用户也可以得到相应的通知。同样，应用或许会有兴趣知道什么时候完成了所有的处理，处理完成后，也许要通知用户，甚至关闭引擎或应用本身时。
应用程序处理这些消息时要进行两个步骤的操作。
首先，它需要接收一个来自sapi的或sapi的引擎的消息。这个消息是程序自定义的.但是，所有的活动sapi都使用相同的消息通知应用程序。要确定确切的正在发生的活动，更多的资料是由sapi的提供的。一个完整的清单，请参见speventenum。
第二个步骤。得到通知后,应用程序要检查一个事件结构,这个事件结构是由SAPI完成的.利用这个结构来确定具体是发生了什么事件（见第五步骤）.
设定感兴趣的事件:
程序可以用setinterest 来设置感兴趣的事件。默认情况下，TTS不向程序发出任何事件通知,而语音识别只发出（ spei_recognition ）消息。也就是说，如果程序忽略了setinterest的调用，TTS应用程序是得不到任何事件通知的,而SR程序只能得到识别完成的通知和消息。在任何时候都可以改变感兴趣的事件。
设定消息
不论以何种事件，应用程序都应该将一个消息与sapi联系起来 。程序通过调用setnotifywindowmessage来完成这个任务 。有三类消息可以使用，但至少少用其中一种。第四类是为多线程应用的，在这里没有用到。这四种消息可以参见ispnotifysource节的介绍。实际使用的消息名字和值由程序决定，本例子使用了WM_USER消息。
程序清单4：
//Initialize SAPI
HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);
if( SUCCEEDED( hr ) )
{
pVoice->SetInterest( SPFEI(SPEI_WORD_BOUNDARY),SPFEI(SPEI_WORD_BOUNDARY) );
pVoice->SetNotifyWindowMessage( hWnd, WM_USER, 0, 0 );
}
else
return FALSE;
第5步：确定事件
如前所述，使用事件来工作需要2个步骤。首先是使用一个简单和标准的做法设置和使用Windows消息。消息是被发送到程序的消息环中的。在这个例子里， wndproc（ ）接收wm_user讯息。一旦讯息被捕获，其余事情靠sapi函数 来完成。
第二个步骤是，以确定哪些消息发生了。 Sapi使用 spevent和getevents方法来确定具体的事件和消息。通过这两个函数，你可以获取指定的事件信息和事件类型。在SPEVENT的成员eeventid恰恰是setinterest所设定的值 。该spevent结构必须在首次使用时被初始化。而且重新使用之前也要被清除。可以使用spclearevent来完成清除工作。
有可能事件和消息发生的速度比应用处理速度要快。这是一个常见的情况。 getevents可以一次性取出一个以上事件。这程序对这些这些事件进行批处理，一般专业应用程序是需要这样做的。另一种方式来处理这种情况，是用一个while循环。一个一个的检索出每一事件。请看下例。
程序清单5：
case WM_USER:
SPEVENT eventItem;
memset( &eventItem, 0,sizeof(SPEVENT));
while( pVoice->GetEvents(1, &eventItem, NULL ) == S_OK )
{
switch(eventItem.eEventId )
{
case SPEI_WORD_BOUNDARY :
.
.
.
break;
default:
break;
}
SpClearEvent( eventItem );
第6步：响应事件
一旦事件和消息确定后，编程变得更加标准了。在这个例子中，应用程序使用spei_word_boundary消息来取定每一个单词。可以用getstatus函数和spvoicestatus结构。来获取更详细的信息。
一个独立的单词，可以用事件发生时的第一个字母和最后一个字母的位置来确定。在这个例子中，使用MessageBoxW来显示所讲的单词。
在说话过程中，屏幕是实时更新的，并显示实际发言的文字。这个特点是由spf_async标志控制的。如果在Speak函数中使用NULL参数，而不是SPF_ASYNC参数，那样就要等整句话说完之后，才显示消息框。
pVoice->Speak( theString, SPF_ASYNC, NULL)；
程序代码6：
case SPEI_WORD_BOUNDARY :
SPVOICESTATUS eventStatus;
pVoice->GetStatus( &eventStatus, NULL );
ULONG start, end;
start = eventStatus.ulInputWordPos;
end = eventStatus.ulInputWordLen;
wcsncpy( tempString, theString + start , end );
tempString[ end ] = '/0';
MessageBoxW( hWnd, tempString, L"GUIApp", MB_OK|MB_ICONWARNING );
break;
总结：
最后，总结一下这个例子的主要知识点：
1，初始化COM： CoInitialize和CoUninitialize
2，建立语音对象实例：CoCreateInstance
3，讲话：Speck
4，设置感兴趣的事件：SetInterest
设定SAPI返回的消息 ：setnotifywindowmessage
5，消息来时，确定事件类型：GetEvents
清除事件结构：SpClearEvent
6，相应事件时，用GetStatus确定当前SAPI的状态
最后完整的实例代码：
// GUIApp.cpp : Defines the entry point for the application.
#include "stdafx.h"
#include
#include "string.h"
#include "resource.h"
#include "sphelper.h"
#define MAX_LOADSTRING 100
// Global Variables:
HINSTANCE hInst; // current instance
TCHAR szTitle[MAX_LOADSTRING] = _T ("Speak Hello world App"); // The title bar text
TCHAR szWindowClass[MAX_LOADSTRING] = _T ("SpeakWinClass"); // The title bar text
//For SAPI
WCHAR theString[30];
ISpVoice *pVoice; //SAPI voice
// Forward declarations of functions included in this code module:
ATOM MyRegisterClass(HINSTANCE hInstance);
BOOL InitInstance(HINSTANCE, int);
LRESULT CALLBACK WndProc(HWND, UINT, WPARAM, LPARAM);
LRESULT CALLBACK About(HWND, UINT, WPARAM, LPARAM);
int APIENTRY WinMain(HINSTANCE hInstance,
HINSTANCE hPrevInstance,
LPSTR lpCmdLine,
int nCmdShow)
{
// TODO: Place code here.
MSG msg;
// HACCEL hAccelTable;
// Initialize global strings
// LoadString(hInstance, IDS_APP_TITLE, szTitle, MAX_LOADSTRING);
//LoadString(hInstance, IDC_GUIAPP, szWindowClass, MAX_LOADSTRING);
MyRegisterClass(hInstance);
if( FAILED( CoInitialize(NULL) ) )
{
return FALSE;
}
// Perform application initialization:
if (!InitInstance (hInstance, nCmdShow))
{
return FALSE;
}
//hAccelTable = LoadAccelerators(hInstance, (LPCTSTR)IDC_GUIAPP);
// Main message loop:
while (GetMessage(&msg, NULL, 0, 0))
{
//if (!TranslateAccelerator(msg.hwnd, hAccelTable, &msg))
{
TranslateMessage(&msg);
DispatchMessage(&msg);
}
}
CoUninitialize();
return msg.wParam;
}
//
// FUNCTION: MyRegisterClass()
//
// PURPOSE: Registers the window class.
//
// COMMENTS:
//
// This function and its usage is only necessary if you want this code
// to be compatible with Win32 systems prior to the 'RegisterClassEx'
// function that was added to Windows 95. It is important to call this function
// so that the application will get 'well formed' small icons associated
// with it.
//
ATOM MyRegisterClass(HINSTANCE hInstance)
{
WNDCLASSEX wcex;
wcex.cbSize = sizeof(WNDCLASSEX);
wcex.style = CS_HREDRAW | CS_VREDRAW;
wcex.lpfnWndProc = (WNDPROC)WndProc;
wcex.cbClsExtra = 0;
wcex.cbWndExtra = 0;
wcex.hInstance = hInstance;
wcex.hIcon = NULL; //LoadIcon(hInstance, (LPCTSTR)IDI_GUIAPP);
wcex.hCursor = NULL; //LoadCursor(NULL, IDC_ARROW);
wcex.hbrBackground = (HBRUSH)(COLOR_WINDOW+1);
wcex.lpszMenuName = NULL; //MAKEINTRESOURCE(IDC_TEST); //(LPCSTR)IDC_GUIAPP;
wcex.lpszClassName = szWindowClass;
wcex.hIconSm = NULL; //LoadIcon(wcex.hInstance, (LPCTSTR)IDI_SMALL);
return RegisterClassEx(&wcex);
}
//
// FUNCTION: InitInstance(HANDLE, int)
//
// PURPOSE: Saves instance handle and creates main window
//
// COMMENTS:
//
// In this function, we save the instance handle in a global variable and
// create and display the main program window.
//
BOOL InitInstance(HINSTANCE hInstance, int nCmdShow)
{
HWND hWnd;
hInst = hInstance; // Store instance handle in our global variable
hWnd = CreateWindow(szWindowClass, szTitle, WS_OVERLAPPEDWINDOW,
CW_USEDEFAULT, 0, CW_USEDEFAULT, 0, NULL, NULL, hInstance, NULL);
if (!hWnd)
{
return FALSE;
}
// Instead of using IDC_TEST, use the identifier of menu resource
// of the current application.
SetMenu(hWnd, LoadMenu(hInstance, MAKEINTRESOURCE(IDC_TEST)));
ShowWindow(hWnd, nCmdShow);
UpdateWindow(hWnd);
//Initialize SAPI
HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);
if( SUCCEEDED( hr ) )
{
pVoice->SetInterest( SPFEI(SPEI_WORD_BOUNDARY),SPFEI(SPEI_WORD_BOUNDARY) );
pVoice->SetNotifyWindowMessage( hWnd, WM_USER, 0, 0 );
}
else
return FALSE;
return TRUE;
}
//
// FUNCTION: WndProc(HWND, unsigned, WORD, LONG)
//
// PURPOSE: Processes messages for the main window.
//
// WM_COMMAND - process the application menu
// WM_PAINT - Paint the main window
// WM_DESTROY - post a quit message and return
//
//
LRESULT CALLBACK WndProc(HWND hWnd, UINT message, WPARAM wParam, LPARAM lParam)
{
int wmId, wmEvent;
PAINTSTRUCT ps;
HDC hdc;
TCHAR szHello[MAX_LOADSTRING];
LoadString(hInst, IDS_HELLO, szHello, MAX_LOADSTRING);
WCHAR tempString[30];
switch (message)
{
case WM_COMMAND:
wmId = LOWORD(wParam);
wmEvent = HIWORD(wParam);
// Parse the menu selections:
switch (wmId)
{
case IDM_ABOUT:
DialogBox(hInst, (LPCTSTR)IDD_ABOUTBOX, hWnd, (DLGPROC)About);
break;
case IDM_EXIT:
DestroyWindow(hWnd);
break;
case IDM_SPEAK:
wcscpy( theString, L"I am glad to speak." );
pVoice->Speak( theString, SPF_ASYNC, NULL);
break;
default:
return DefWindowProc(hWnd, message, wParam, lParam);
}
break;
case WM_USER:
SPEVENT eventItem;
memset( &eventItem, 0,sizeof(SPEVENT));
while( pVoice->GetEvents(1, &eventItem, NULL ) == S_OK )
{
switch(eventItem.eEventId )
{
case SPEI_WORD_BOUNDARY :
SPVOICESTATUS eventStatus;
pVoice->GetStatus( &eventStatus, NULL );
ULONG start, end;
start = eventStatus.ulInputWordPos;
end = eventStatus.ulInputWordLen;
wcsncpy( tempString, theString + start , end );
tempString[ end ] = '/0';
MessageBoxW( hWnd, tempString, L"GUIApp", MB_OK|MB_ICONWARNING );
break;
default:
break;
}
SpClearEvent( &eventItem );
}
break;
case WM_PAINT:
hdc = BeginPaint(hWnd, &ps);
// TODO: Add any drawing code here...
RECT rt;
GetClientRect(hWnd, &rt);
DrawText(hdc, szHello, strlen(szHello), &rt, DT_CENTER);
EndPaint(hWnd, &ps);
break;
case WM_DESTROY:
if (pVoice)
{
pVoice->Release();
pVoice = NULL;
}
PostQuitMessage(0);
break;
default:
return DefWindowProc(hWnd, message, wParam, lParam);
}
return 0;
}
// Message handler for about box.
LRESULT CALLBACK About(HWND hDlg, UINT message, WPARAM wParam, LPARAM lParam)
{
switch (message)
{
case WM_INITDIALOG:
return TRUE;
case WM_COMMAND:
if (LOWORD(wParam) == IDOK || LOWORD(wParam) == IDCANCEL)
{
EndDialog(hDlg, LOWORD(wParam));
return TRUE;
}
break;
}
return FALSE;
}
}
扫一扫
2445
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
