语音合成与识别技术在C#中的应用

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。

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。