VC驿站

 找回密码
 加入驿站

QQ登录

只需一步,快速开始

搜索
查看: 620|回复: 2

[求助] 语音提示怎么弄?

[复制链接]
35_avatar_middle
online_vip 发表于 2016-7-13 14:58:19 | 显示全部楼层 |阅读模式
3驿站币
就像网上有很多软件都有语音提示,这怎么写呢?

比如我出入一段文字,怎么个说出来?

CString str="哈哈,我是逗比"
之后软件读出来,这怎么弄





上一篇:基础班工具栏显示图片问题
下一篇:请问如何向剪切板拷贝CF_WAVE类型的数据呢?
51_avatar_middle
online_admins 发表于 2016-7-13 15:55:18 | 显示全部楼层
看看这个吧,希望对你有帮助:

文本语音转换入门:

内容简介

文本语音(Text-to-Speech,以下简称TTS),它的作用就是把通过TTS引擎把文本转化为语音输出。本文不是讲述如何建立自己的TTS引擎,而是简单介绍如何运用Microsoft Speech SDK 建立自己的文本语音转换应用程序。

Microsoft Speech SDK简介

Microsoft Speech SDK是微软提供的软件开发包,提供的Speech API (SAPI)主要包含两大方面:

1. API for Text-to-Speech 2. API for Speech Recognition
其中API for Text-to-Speech,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,金山词霸的单词朗读功能就用到了这写API,而目前几乎所有的文本朗读工具都是用这个SDK开发的。至于API for Speech Recognition就是与TTS相对应的语音识别,语音技术是一种令人振奋的技术,但由于目前语音识别技术准确度和识别速度不太理想,还未达到广泛应用的要求。

Microsoft Speech SDK可以在微软的网站免费下载,目前的版本是5.1,为了支持中文,还要把附加的语言包(LangPack)一起下载。

为了在vc中使用这SDK,必需在工程中添加SDK的include和lib目录,为免每个工程都添加目录,最好的办法是在vc的Option->Directoris立加上SDK的include和lib目录。

一个最简单的例子

先看一个入门的例子:

  1. #include

  2. #pragma comment(lib,"ole32.lib")  //CoInitialize CoCreateInstance需要调用ole32.dll
  3. #pragma comment(lib,"sapi.lib")   //sapi.lib在SDK的lib目录,必需正确配置

  4. int main(int argc, char* argv[])
  5. {
  6.         ISpVoice * pVoice = NULL;

  7. //COM初始化:
  8.         if (FAILED(::CoInitialize(NULL)))
  9.                 return FALSE;

  10. //获取ISpVoice接口:
  11.         HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);
  12.         if( SUCCEEDED( hr ) )
  13.         {
  14.                 hr = pVoice->Speak(L"Hello world", 0, NULL);
  15.                 pVoice->Release();
  16.                 pVoice = NULL;
  17.         }

  18. //千万不要忘记:
  19.         ::CoUninitialize();        
  20.         return TRUE;
  21. }
复制代码


短短20几行代码就实现了文本语音转换,够神奇吧。SDK提供的SAPI是基于COM封装的,无论你是否熟悉COM,只要按部就班地用CoInitialize(), CoCreateInstance()获取IspVoice接口就够了,需要注意的是初始化COM后,程序结束前一定要用CoUninitialize()释放资源。

IspVoice接口主要函数

上述程序的流程是获取IspVoice接口,然后用ISpVoice::Speak()把文本输出为语音,可见,程序的核心就是IspVoice接口。除了Speak外IspVoice接口还有许多成员函数,具体用法请参考SDK的文档。下面择要说一下几个主要函数的用法:

HRESULT Speak(const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber);     
功能:就是speak了 参数: *pwcs 输入的文本字符串,必需为Unicode,如果是ansi字符串必需先转换为Unicode。 dwFlags 用来标志Speak的方式,其中SPF_IS_XML 表示输入文本含有XML标签,这个下文会讲到。 PulStreamNumber 输出,用来获取去当前文本输入的等候播放队列的位置,只有在异步模式才有用。

HRESULT Pause ( void );
HRESULT Resume ( void );
功能:一看就知道了。

HRESULT SetRate(long RateAdjust );
HRESULT GetRate(long *pRateAdjust);
功能:设置/获取播放速度,范围:-10 to 10

HRESULT SetVolume(USHORT usVolume);
HRESULT GetVolume(USHORT *pusVolume);
功能:设置/获取播放音量,范围:0 to 100

HRESULT SetSyncSpeakTimeout(ULONG msTimeout);
HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout);
功能:设置/获取同步超时时间。由于在同步模式中,电泳Speak后程序就会进入阻塞状态等待Speak返回,为免程序长时间没相应,应该设置超时时间, msTimeout单位为毫秒。

      HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges);
功能:设置输出,下文会讲到用SetOutput把Speak输出问WAV文件。 这些函数的返回类型都是HRESULT,如果成功则返回S_OK,错误有各自不同的错误码。

使用XML

个人认为这个TTS api功能最强大之处在于能够分析XML标签,通过XML标签设置音量、音调、延长、停顿,几乎可以使输出达到自然语音效果。前面已经提过,把Speak参数dwFlags设为SPF_IS_XML,TTS引擎就会分析XML文本,输入文本并不需要严格遵守W3C的标准,只要含有XML标签就行了,下面举个例子:

……
pVoice->Speak(L"volumeturn up", SPF_IS_XML, NULL);
……
标签把声音设为Microsoft Mary,英文版SDK中一共含有3种声音,另外两种是Microsoft Sam和Microsoft Mike。

……
把音量设为100,音量范围是0~100。

另外: 标志音调(-10~10):

text
注意:" 号在C/C++中前面要加 \ ,否则会出错。 标志语速(-10~10):

text
逐个字母读:

text
强调:

text
停顿200毫秒(最长为65,536毫秒):


控制发音:

这个标签的功能比较强,重点讲一下:所有的语言发音都是由基本的音素组成,拿中文发音来说,拼音是组成发音的最基本的元素,只要知道汉字的拼音,即使不知道怎么写,我们可知道这个字怎么都,对于TTS引擎来说,它不一定认识所有字,但是你把拼音对应的符号(SYM)给它,它就一定能够读出来,而英语发音则可以用音标表示,''h eh - l ow 1''就是hello这个单词对应的语素。至于发音与符号SYM具体对应关系请看SDK文档中的Phoneme Table。

再另外,数字、日期、时间的读法也有一套规则,SDK中有详细的说明,这里不说了(懒得翻译了),下面随便抛个例子:

1999.12.21
会读成

"December twenty first nineteen ninety nine"
XML标签可以嵌套使用,但是一定要遵守XML标准。XML标签确实好用,效果也不错,但是……缺点:一个字―――"烦",如果给一大段文字加标签,简直痛不欲生。

把文本语音输出为WAV文件

  1. #include
  2. #include

  3. #pragma comment(lib,"ole32.lib")
  4. #pragma comment(lib,"sapi.lib")

  5. int main(int argc, char* argv[])
  6. {
  7.         ISpVoice * pVoice = NULL;
  8.         if (FAILED(::CoInitialize(NULL)))
  9.                 return FALSE;
  10.        
  11.         HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL,
  12.                 IID_ISpVoice, (void **)&pVoice);
  13.         if( SUCCEEDED( hr ) )
  14.         {
  15.                 CComPtr                        cpWavStream;
  16.                 CComPtr        cpOldStream;
  17.                 CSpStreamFormat OriginalFmt;
  18.                 pVoice->GetOutputStream( &cpOldStream );
  19.                 OriginalFmt.AssignFormat(cpOldStream);
  20.                 hr = SPBindToFile( L"D:\\output.wav",SPFM_CREATE_ALWAYS,
  21.                         &cpWavStream,&OriginalFmt.FormatId(),
  22.                         OriginalFmt.WaveFormatExPtr() );
  23.                 if( SUCCEEDED( hr ) )
  24.                 {
  25.                         pVoice->SetOutput(cpWavStream,TRUE);
  26.                         WCHAR WTX[] = L"text to wave";
  27.                         pVoice->Speak(WTX, SPF_IS_XML, NULL);
  28.                         pVoice->Release();
  29.                         pVoice = NULL;
  30.                 }
  31.         }
  32.        
  33.         ::CoUninitialize();        
  34.         return TRUE;
  35. }
复制代码

SPBindToFile把文件绑定到输出流上,而SetOutput把输出设为绑定文件的流上。

最后

看完本文后,是不是觉得很简单,微软把强大的功能封装的太好了。其实SDK中另外一个API,SR(语音识别)更有趣,有兴趣不妨试试,你会有意外的收获的。
45_avatar_middle
在线会员 发表于 2016-7-14 08:56:13 | 显示全部楼层
正好学习了。。。。
您需要登录后才可以回帖 登录 | 加入驿站 qq_login

本版积分规则

关闭

站长提醒上一条 /2 下一条

QQ|小黑屋|手机版|VC驿站 ( 辽ICP备09019393号tongdun|网站地图wx_jqr

GMT+8, 2019-5-20 09:49

Powered by Discuz! X3.4

© 2009-2019 cctry.com

快速回复 返回顶部 返回列表