微软TTS语音引擎实现文本朗读

最新推荐文章于 2024-08-07 15:37:18 发布

qq_41895190

最新推荐文章于 2024-08-07 15:37:18 发布

阅读量6.9k

点赞数 3

分类专栏：语音识别文本朗读文章标签：微软TTS 语音引擎文本朗读 neospeech 科大讯飞

本文链接：https://blog.csdn.net/qq_41895190/article/details/90694023

版权

本文比较了科大讯飞和neospeech的TTS语音引擎，推荐了neospeech的liang语音库，并介绍了如何使用微软TTS引擎进行文本朗读和生成wav文件的C#示例代码。

摘要由CSDN通过智能技术生成

科大讯飞和neospeech tts哪个更好

朋友们或许还有一个疑问，就是不知道科大讯飞和neospeech哪个更好。据我的体会，它们其实各有优点。

科大讯飞有几个语音库，比如小宇、小燕、还有一个粤语和英语的；而neospeech则有lily、liang、hui几个中文语音库。

科大的最大优点就是朗诵清楚，听起来能做到几乎每个字都让我们能听进去。而neospeech的优点则是流畅，高低起伏、抑扬顿挫，临场感很强，不过有时候某些字眼会让人听不太清楚。

提醒一下，neospeech里面的liang语音库，个人觉得是最好用的，浑厚的男声每个字都朗读的很清楚，而且临场感和流畅度都很强，是中文文字朗读里面的佼佼者！赞一个~~

要下载的朋友可以在电驴里面搜索下载。

综上所述，从总评来说，neospeech应该比讯飞语音略胜一筹的！至于各家的优点上面已经说过。要我自己来排名的话，是这样的（由高至低）：

a. neospeech liang
b. 科大讯飞小燕
c. neospeech lily
d. neospeech hui
e. 科大讯飞小宇

当然如果说到英文，neospeech里面的Paul算是当前最好的发声效果了！连霍金都在用它，你说它有多么强悍呢!

最后说一下，文语通和方正畅听都是科大的，不过体积相比要小很多，尤其方正畅听，如果你的要求不高的话，完全可以使用方正畅听，听起来也是挺流畅滴。

最后希望大家好好爱护自己的眼睛，不要长期用眼看电脑，转“看”为“听”，既能护眼，又是一种享受，何乐不为呢？

下载地址：http://www.verycd.com/topics/2780296/（neospeech）

http://www.verycd.com/topics/2828273/（科大）

使用微软TTS语音引擎实现文本朗读

2017年11月04日 15:51:30 byxdaz 阅读数：12312

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、科大讯飞语音引擎等。科大讯飞tts sdk参考这个页面http://www.xfyun.cn/sdk/dispatcher

文本主要介绍如何使用微软TTS语音引擎实现文本朗读，以及生成wav格式的声音文件。

1、语音引擎及语音库的安装

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。

Windows Speech SDK可以在微软的官网上免费下载，下载地址为：http://www.microsoft.com/download/en/details.aspx?id=10121

在该下载界面中，选择下载SpeechSDK51.exe、SpeechSDK51LangPach.exe和sapi.chm 即可。

SpeechSDK51.exe	语音合成引擎
SpeechSDK51LangPach.exe	语音库，支持日语和简体中文需要这个支持。
sapi.chm	帮助文档
speechsdk51MSM.exe	语音引擎集成到你的产品跟产品一起发布。解压出来三个文件夹1033、1041和2052。其中，1033下主要是用于英文的TTS和SR的.msm文件，1041下主要是用于日文SR的.msm文件，2052下是用于中文TTS和SR的msm文件。
Sp5TTintXP.exe	XP下Mike和Mary语音。

下载完成后，先安装语音引擎SpeechSDK51.exe，再安装中文语音库SpeechSDK51LangPach.exe。

目前最常用的Windows Speech SDK版本有三种：5.1、5.3和5.4。

Windows Speech SDK 5.1版本支持xp系统和server 2003系统，需要下载安装。XP系统默认只带了个Microsoft Sam英文男声语音库，想要中文引擎就需要安装Windows Speech SDK 5.1。

Windows Speech SDK 5.3版本支持Vista系统和Server 2008系统，已经集成到系统里。Vista和Server 2003默认带Microsoft lili中文女声语音库和Microsoft Anna英文女声语音库。

Windows Speech SDK 5.4版本支持Windows7系统，也已经集成到系统里，不需要下载安装。Win7系统同样带了Microsoft lili中文女声语音库和Microsoft Anna英文女声语音库。Microsoft lili支持中英文混读。

2、SAPI接口的使用说明

1）、基本朗读过程的实现

在使用语音引擎之前进行初始化：

       ISpVoice *pSpVoice;        // 重要COM接口
       ::CoInitialize(NULL);         // COM初始化
       // 获取ISpVoice接口
       CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice);

获取到ISpVoice接口以后，我们就可以通过pSpVoice指针调用SAPI接口了。

我们可以设置音量：pSpVoice->SetVolume(80);。SetVolume的参数即音量的范围在0到100之间。

可以这样朗读字符串内容：pSpVoice->Speak(string, SPF_DEFAULT, NULL);。这样string里的内容就会被朗读出来了，第二个参数SPF_DEFAULT表示使用默认设置，包括同步朗读的设置。异步朗读可以设置成 SPF_ASYNC。同步朗读表示读完string中的内容，speak函数才会返回，而异步朗读则将字符串送进去就返回，不会阻塞。

使用完语音引擎后应执行：

       pSpVoice->Release();
       ::CoUninitialize();

这样资源被释放，语音朗读过程结束。

以上就完成了一个简单的语音合成朗读的功能。

2）、ISpVoice的成员函数

鸡啄米再简单说明几个ISpVoice接口的成员函数：

       HRESULT Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber);

用于读取字符串pwcs里的内容。参数pwcs为要朗读的字符串。dwFlags是用于控制朗读方式的标志，具体意义可以查看文档中的枚举 SPEAKFLAGS。pulStreamNumber为输出参数，它指向本次朗读请求对应的当前输入流编号，每次朗读一个字符串时都会有一个流编号返回，异步朗读时使用。

       HRESULT SetRate( long   RateAdjust);         // 设置朗读速度，取值范围：-10到10
       HRESULT GetRate(long *pRateAdjust);        // 获取朗读速度   
       HRESULT SetVoice(ISpObjectToken   *pToken);    // 设置使用的语音库
       HRESULT GetVoice(ISpObjectToken** ppToken);  // 获取语音库
       HRESULT Pause ( void );                              // 暂停朗读
       HRESULT Resume ( void );                          // 恢复朗读 
       //  在当前朗读文本中根据lNumItems的符号向前或者向后跳过指定数量（lNumItems的绝对值）的句子。
       HRESULT Skip(LPCWSTR  *pItemType, long  lNumIte