语音合成与识别技术在C＃中的应用（转载）

       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。