微软的TTS

最新推荐文章于 2024-07-04 13:48:44 发布
最新推荐文章于 2024-07-04 13:48:44 发布
阅读量3.7k 收藏 4
点赞数
分类专栏： WINform asp.net

版权声明：本文为博主原创文章，转载时请在文章最后给出原文链接。

一、概述

        项目中需要将数据库中读出的文本记录通过电话播放给用户，这就需要将文本转换为语音，即所谓的TTS（Text To Speech）。目前TTS技术已相对比较成熟，TTS引擎也比较多，比较有名的有Microsoft Speech SDK 和IBM的ViaVoice还有开源的Festival等。本文仅对微软的TTS进行讨论。
        软件中的语音技术主要包括两方面的内容，一个是语音识别(speech recognition) ，另外一个是语音合成(speech synthesis)，也即是文本语音转换系统(TTS)。TTS系统使用合成语音合成文本字符串和文件到声音音频流。而语音识别系统则是转换人类的声音语音流到可读的文本字符串或者文件。这两个工作，都是通过各种语音引擎来完成的。微软所提供的SAPI (全称The Microsoft Speech API)，正是在应用程序和语音引擎之间提供一个高级别的接口，它实现了所有必需的对各种语音引擎的实时的控制和管理等低级别的细节。语音引擎通过DDI层(设备驱动接口)和SAPI进行交互，应用程序通过API层和SAPI通信。通过使用这些API，我们可以快速开发在语音识别或语音合成方面应用程序。SAPI 应用程序编程接口(API)明显的减少了构建一个使用语音识别和文本语音转换的应用程序所需要的高层代码，使语音技术更加容易使用并且更加扩大了应用的范围。虽然现在SAPI不是业界标准，但是应用非常广泛。
　　 SAPI包括以下组件对象(接口)：
　　(1)Voice Commands API。对应用程序进行控制，一般用于语音识别系统中。识别某个命令后，会调用相关接口是应用程序完成对应的功能。如果程序想实现语音控制，必须使用此组对象。
　　(2)Voice Dictation API。听写输入，即语音识别接口。
　　(3)Voice Text API。完成从文字到语音的转换，即语音合成。
　　(4)Voice Telephone API。语音识别和语音合成综合运用到电话系统之上，利用此接口可以建立一个电话应答系统，甚至可以通过电话控制计算机。 （未见到相关资料）
　　(5)Audio Objects API。封装了计算机发音系统。
　　其中Voice Text API，就是微软TTS引擎的接口，通过它我们可以很容易地建立功能强大的文本语音程序。

二、如何配置

      首先要添加SAPI.DLL文件的引用，如果安装的VS 2010则会自带有该com 组件。在C#程序中右键点击引用，然后在COM组件里找到Microsoft Speech Object Library 5.4。我们可以从路径中看到，其实它就是SAPI.DLL。然后在程序中加入：using SpeechLib;。然后我们就可以进行编程了。
 
       如果你没有该DLL，则需要去微软的官网下载 Speech SDK安装（免费的），需要安装程序的有Speech SDK 5.1（68M）和5.1 Language Pack （81.5M）。网上经常会说添加DotNetSpeech.dll，而不是SAPI.DLL引用，其实前者是用Tlbimp.exe工具将该sapi.dll转换成.net平台下的Assembly---DotNetSpeech.dll，两者的本质是一样的。


注：如果你使用的是C++工程项目（VS 2010），则需要对项目属性进行配置：
1.在项目属性页->配置属性->c/c++c->常规，在附加包含目录中，添加你的SAPI的include目录，例如：C:\Program Files\Microsoft Speech SDK 5.1\Include
2..在项目属性页->配置属性->连接器->输入，在附加依赖项中，添加你的SAPI.lib库的路径，例如：C:\Program Files\Microsoft Speech SDK 5.1\Lib\i386\sapi.lib
3.在程序中添加引用：
#include <sapi.h>
#pragma comment(lib,"sapi.lib");

然后就可以进行编程了。C++的使用方法可以参考博客：http://www.cnblogs.com/eping/archive/2010/05/23/1742201.html，也可以在网上搜。

三、如何使用

         SAPI的TTS都是通过SpVoice对象来完成的。SpVoice类是支持语音合成(TTS)的核心类。通过SpVoice对象调用TTS引擎，从而实现朗读功能。 

      SpVoice类有以下主要属性：
　　• Voice：   表示发音类型，相当于进行朗读的人，通常我们可以通过安装相应的语音引擎来增加相应的语音。
　　• Rate：     语音朗读速度，取值范围为-10到+10。数值越大，速度越快。
　　• Volume：音量，取值范围为0到100。数值越大，音量越大。
　 SpVoice有以下主要方法：
　　• Speak()：完成将文本信息转换为语音并按照指定的参数进行朗读，该方法有Text和Flags两个参数，分别指定要朗读的文本和朗读方式(同步或异步等)。
　　• Pause()：暂停使用该对象的所有朗读进程。该方法没有参数。
　　• Resume()：恢复该对象所对应的被暂停的朗读进程。该方法没有参数。 

关于SpVoice更多的内容可以参考帮助文件，安装了Speech SDK就会有，也可以去网上下载，不过是5.1版本的。

[csharp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. //输出到音频：  
  2. SpeechVoiceSpeakFlags ss = SpeechVoiceSpeakFlags.SVSFlagsAsync;//异步朗读模式  
  3. SpVoice sp = new SpVoice();  
  4.  voice.Volume= 80;//音量  
  5.  voice.Rate = -3;//语速  
  6. sp.Speak(string,ss);//string是要朗读的文本，可以是Edit控件里的文本或者数据库中的文本。  


[csharp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. //输出到语音文件        
  2. SaveFileDialog dialog = new SaveFileDialog();  
  3. dialog.Filter = "All files (*.*)|*.*|wav files (*.wav)|*.wav";  
  4. dialog.Title = "Save to a wave file";  
  5. dialog.FilterIndex = 2;  
  6. dialog.RestoreDirectory = true;  
  7. if (dialog.ShowDialog() == DialogResult.OK) {  
  8.        SpeechStreamFileMode spFileMode = SpeechStreamFileMode.SSFMCreateForWrite;//写模式  
  9.        SpFileStream spFileStream = new SpFileStream();//文件流  
  10.        spFileStream.Open(dialog.FileName, spFileMode, false);  
  11.        voice.AudioOutputStream = spFileStream;//voice设置输出对象为文件流  
  12.        voice.Speak(txtText.Text.Trim(), flags);//speak到文件流中，这时音频不会有声音发出  
  13.        voice.WaitUntilDone(5000);//直到输出完成或者超时  
  14.        spFileStream.Close();  
  15. }  


这里输出文件格式除了.WAV还有别的格式，可以用
[csharp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. spFileStream.Format.Type = SpeechAudioFormatType.SAFTCCITT_ALaw_8kHzMono;//输出为A-LAW格式  


进行更改。

[csharp]  view plain copy 在CODE上查看代码片 派生到我的代码片
  1. //输出到内存  
  2.                    SpMemoryStream spmemorystrem = new SpMemoryStream();//内存流  
  3.                     spmemorystrem.Format.Type = SpeechAudioFormatType.SAFTCCITT_ALaw_8kHzMono;  
  4.                     voice.AudioOutputStream = spFileStream;  
  5.                     voice.Speak(InvName, SpFlags);  
  6.                     voice.WaitUntilDone(50000);//等待完成或者超时  


注：
        这里编译可以通过，运行时也没有音频输出，按理说是输出到内存中去了，但是不知道如何操作这个内存，比如返回一个指针什么的。SpMemoryStream 有GetData()，SetData()方法，分别是从内存中读取数据，和写数据。前者返回的是Object，后者没有返回值。所以没有办法从内存中得到音频流，然后用别的工具（比如语音卡的内存播发函数）进行播放。

        目前有一个折中的方案，先将数据库中的文本合成到语音文件，然后调用文件播放函数（语音卡的函数）加载后播放电话端。这样一次播放就进行了两次IO操作。


参考文章：
http://www.cnblogs.com/SkyD/archive/2008/08/28/1278478.html
http://www.cnblogs.com/pfs1314/archive/2011/01/11/1932870.html
http://q.cnblogs.com/q/8393/
http://tech.it168.com/a2011/0103/1145/000001145635_1.shtml
http://blog.csdn.net/callmeback/article/details/6838024

http://blog.csdn.net/yuanchunze/article/details/3850835



转载：http://blog.csdn.net/GAMEloft9/article/details/24715501

qianjiu
关注
专栏目录
用TTS技术开发具有文本朗读功能的应用程序
一天到晚游泳的鱼的专栏
01-19 5936
用TTS技术开发具有文本朗读功能的应用程序   摘  要：TTS技术已经越来越广泛地应用到现代计算机的各个领域，本文介绍了利用微软的Microsoft Speech SDK 5.1提供的TTS（text-to-speech）技术开发具有语音朗读功能的应用程序。关键字：语音合成；TTS；发声引擎中图分类号：TN912.33；TP311.52    文献标识码：A 
微软TTS，Neospeech TTS 简单使用
dimeng8302的博客
07-07 1066
今天搞了下微软的TTS，逛了好多网页、博客，拼拼凑凑搞了点东西吧。 首先添加类库调用，系统自带的system.speech 1 using System.Speech.Synthesis; 然后就能调用方法了 1 SpeechSynthesizer speech = new SpeechSynthesizer(); 2 speech.Rate =...
微软TTS语音合成工具（一键合成导出MP3音频）
06-02
微软TTS文本转语音引擎的确是非常NB，合成语音非常接近真人，应该是当前同类产品中体验最好的，官网有提供在线语音合成，但不提供合成后的音频文件下载，使用时会比较麻烦，所以写成工具。下载地址https://www.null119.cn/index.php/archives/162/
微软TTS5.1语音引擎(中文)
10-31
TTS（Text-To-Speech）是指文本语音的简称,即通过TTS引擎把文本转化为语音输出。TTS语音引擎有微软TTS语音引擎等。微软TTS语音引擎提供了Windows Speech SDK开发包供编程者使用。Windows Speech SDK包含语音合成SS引擎和语音识别SR引擎两种，语音合成引擎用于将文字转换成语音输出，语音识别引擎用于识别语音命令。
微软TTS引擎使用说明
最新发布
geriletuma
07-04 324
MFC采用TTS引擎将文字信息转换成语音信息并播放
微软 TTS 语音引擎（SAPI 5.1）详解 *COOL！
02-23
这是微软 TTS 语音引擎（SAPI 5.1）DELPHI 应用的详细说明。可惜是英文的。：（ 如果哪位前靠有空，请帮忙翻译一下。
微软Azure的TTS接口调用
qq_55687649的博客
08-06 1755
然后是服务的key，要在微软Azure的平台上获取。把下面的SPEECH_KEY赋值为你的key就行，SPEECH_REGION也要换成相应的服务区域，例如我的就在eastus。要实现批处理功能首先得有一个Azure的账号，且要使用标准计费档，免费档是不能使用批处理功能的，它会返回forbidden，拒绝访问。get_data函数是我用来获取本地要合成的语音文本的，text_path为输入的文件路径。request_data是用来查询语音合成的状态的，看看有没有处理完毕。实习让我学会了很多orz。
微软TTS5.1语音引擎(中文).msi
03-14
解决电脑不能读中文的问题和应用TTS开发语音程序，不能读中文的问题。安装后，会自动添加中文发音。你可以在如下路径查看：控制面板---》语音。精简，仅有1.5M。
适合企业的TTS文本转语音接口：微软TTS最新模型，发布9种更真实的AI语音
m0_71858447的博客
06-19 1231
微软对Azure Al语音服务的Personal Voice功能进行了升级，引入了新的零样本学习(zero-shot)的文本到语音(TTS)模型。与初始模型相比，这些新模型提高了合成语音的自然度，并更好地模仿了提示语音中的语音特征。微软提供了超过400种神经语音，涵盖140多种语言和地区。这些文本到语音(TTS)语音可以快速为应用添加朗读功能，使其设计更加无障碍，或为聊天机器人赋予声音，提供更丰富的对话体验。还要给大家说的是，目前微软Azure是免费的，
微软TTS服务器,微软TTS，Neospeech TTS 简单使用
weixin_39541693的博客
08-13 3340
今天搞了下微软的TTS，逛了好多网页、博客，拼拼凑凑搞了点东西吧。首先添加类库调用，系统自带的system.speechusing System.Speech.Synthesis;然后就能调用方法了SpeechSynthesizer speech = new SpeechSynthesizer();speech.Rate = int.Parse(dudRate.Text);//语速speech.S...
TTS语音音频合成开发接口
04-04
NULL 博文链接：https://supruicorp.iteye.com/blog/1489336
微软TTS语音合成源代码.rar
06-18
采用c#语言调用微软Interop.SpeechLib.dll实现语音合成功能，可以设置男女发音、调语速快慢、暂停等功能。代码简单功能强大，完全免费可用于项目开发
科大讯飞语音合成TTS在线接口forPHP
01-08
代码中换上自己的账号和秘钥，需要文字转语音的内容通过get的方式传递。
TTS语音合成 生成文件 C# 基于微软TTS5.1 中文女声
09-18
要使用微软的TTS5.1语音引擎，首先你需要安装相应的软件包，即"微软TTS5.1语音引擎_中文.msi"。这个安装文件会为你的系统添加必要的组件和语音库，以便C#程序调用。 在C#中实现TTS功能，主要涉及以下知识点： 1. ...
Win7系统微软TTS语音修复补丁(x86和x64).7z
07-23
标题中的“Win7系统微软TTS语音修复补丁(x86和x64).7z”指的是一个专门针对Windows 7操作系统的微软Text-to-Speech（TTS）语音功能的修复补丁，该补丁已经打包成7z格式的压缩文件。7z是一种高效的文件压缩格式，具有...
利用javascript+微软TTS实现web中文发音
05-28
首先，我们要了解微软TTS服务是什么。微软TTS服务是微软提供的一个在线API服务，它允许开发者通过简单的HTTP请求将文本转换为语音。使用微软TTS服务，我们可以通过指定不同的语言、语速、音色等参数，来生成自然流畅...
Microsoft.Speech/Win7系统微软TTS语音修复
08-26
标题中的“Microsoft.Speech/Win7系统微软TTS语音修复”指的是在Windows 7操作系统中针对微软的Text-to-Speech（TTS）技术进行的问题修复。TTS是一种计算机技术，它允许计算机将文本转化为可听见的语音输出，这对于...
​Edge-TTS：微软推出的，免费、开源、支持多种中文语音语色的AI工具
weixin_48827824的博客
03-22 5525
edge-tts --voice zh-CN-YunyangNeural --text "大家好，欢迎关注语音之家，语音之家是一个助理AI语音开发者的社区。查询结果中的Gender为声音的性别，Name为声音的名字，如zh-CN-YunjianNeural，其中zh表示语言，CN表示国家或地区，可以根据需求选择不同的声音。它接受与 edge-tts 选项相同的参数。此外，必须使用 --rate=-50% 而不是 --rate -50%（注意等号的缺失），否则 -50% 将被解释为另一个参数。
php 微软 TTS
08-13
对于PHP实现微软TTS(TextToSpeech)的需求，可以借助微软提供的Speech SDK来实现。首先，需要安装Speech SDK并获取API密钥，然后可以使用以下代码示例来实现TTS功能： ```php <?php require 'vendor/autoload.php'; // 引入Speech SDK的PHP库 use Microsoft\CognitiveServices\Speech\SpeechConfig; use Microsoft\CognitiveServices\Speech\SpeechSynthesizer; use Microsoft\CognitiveServices\Speech\Audio\AudioConfig; // 设置Speech服务的订阅密钥和区域（根据实际情况修改） $speechKey = 'YOUR_SPEECH_KEY'; $serviceRegion = 'YOUR_SERVICE_REGION'; // 创建Speech配置 $speechConfig = SpeechConfig::fromSubscription($speechKey, $serviceRegion); // 创建音频配置 $audioConfig = AudioConfig::fromDefaultSpeakerOutput(); // 创建Speech合成器 $speechSynthesizer = new SpeechSynthesizer($speechConfig, $audioConfig); // 文本合成为语音 $textToSynthesize = '需要合成的文本内容'; $result = $speechSynthesizer->speakTextAsync($textToSynthesize)->waitFor(); // 检查合成结果 if ($result->reason === ResultReason::SynthesizingAudioCompleted) { // 获取合成的音频数据 $audioData = $result->audioData; // 处理音频数据，例如保存为文件或播放等 } else { // 合成失败，处理错误信息 $errorDetails = $result->errorDetails; // 处理错误信息 } ?> ``` 以上代码使用Speech SDK提供的PHP库来实现TTS功能。首先，需要设置Speech服务的订阅密钥和区域。然后，创建Speech配置和音频配置，并使用它们创建Speech合成器。最后，通过调用`speakTextAsync`方法并传入需要合成的文本内容来进行文本合成为语音。合成的音频数据可以通过`$result->audioData`获取，可以根据需要进行处理，例如保存为文件或进行播放等。如果合成失败，可以通过`$result->errorDetails`获取错误信息进行处理。 请注意替换代码中的`YOUR_SPEECH_KEY`和`YOUR_SERVICE_REGION`为您的实际订阅密钥和区域。 希望以上信息对您有帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [微软TTS，Neospeech TTS 简单使用](https://blog.csdn.net/weixin_39541693/article/details/119695949)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* [文字转语音 - 搭建微软tts整合web服务提供api接口（免费）](https://blog.csdn.net/wkh___/article/details/130274523)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值