当前位置: 首页 > 工具软件 > SAPI > 使用案例 >

SAPI SDK的介绍

石俊雄
2023-12-01



本文由 代码助手软件 整理发布 内容与本软件无关 更惬意的读、更舒心的写、更轻松的发布









我们都使用过一些某某词霸的英语学习工具软件,它们大多都有朗读的功能,其实这就是利用的Windows的TTS(Text To Speech)语音引擎。它包含在Windows Speech SDK开发包中。我们也可以使用此开发包根据自己的需要开发程序。鸡啄米下面对TTS功能的软件开发过程进行详细介绍。

一.SAPI SDK的介绍

       SAPI,全称是The Microsoft Speech API。就是微软的语音API。由Windows Speech SDK提供。
       Windows Speech SDK包含语音识别SR引擎和语音合成SS引擎两种语音引擎。语音识别引擎用于识别语音命令,调用接口完成某个功能,实现语音控制。语音合成引擎用于将文字转换成语音输出。
       SAPI包括以下几类接口:Voice Commands API、Voice Dictation API、Voice Text API、Voice Telephone API和Audio Objects API。我们要实现语音合成需要的是Voice Text API。

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。

二.SAPI SDK的下载和安装

如果是在XP系统下进行开发则需要下载Microsoft Speech SDK 5.1,下载地址为:http://www.microsoft.com/download/en/details.aspx?id=10121。

根据微软下载说明,有几点需要注意:

1.如果你想下载例子程序、文档、SAPI和用于开发的美国英文语音引擎,请下载SpeechSDK51.exe。

2.如果你想使用日文和简体中文引擎用于开发,请下载SpeechSDK51.exe和SpeechSDK51LangPach.exe。

3.如果你想将语音引擎集成到你的产品跟产品一起发布,就下载SpeechSDK51MSM.exe。

4.如果你仅想获得XP系统下的Mike和Mary语音,就下载Sp5TTIntXP.exe。

5.如果你只想要文档请下载sapi.chm。

下载完成后可先安装引擎SpeechSDK51.exe,再安装中文语言补丁包SpeechSDK51LangPach.exe,这样就可以使用其中的中 文男声语音库了。如果想要在Vista或Win7系统下使用Mike、Mary和Microsoft Simplified Chinese中文男声语音库也可以下载相应的文件安装。

三.VC++环境配置

如果是在XP系统下开发,先安装SpeechSDK51.exe再安装SpeechSDK51LangPach.exe,假设安装路径为默认的 C:\Program Files\Microsoft Speech SDK 5.1,则接下来需要配置VC++,以VS2010为 例,在Solution Exporer中的工程名上点右键,在右键菜单中选择properties,弹出Property Pages对话框,然后在左侧树中选择节点”VC++Directories“,在右侧列表的Include Directories处输入”C:\Program Files\Microsoft Speech SDK 5.1\Include“,Library Directories处输入”C:\Program Files\Microsoft Speech SDK 5.1\lib\i386“。VS2005、VS2008和VC6.0可以按照各自的方法设置。

最后,在程序中使用语音引擎以前包含头文件和lib库:

       #include "sapi.h"
       #include "sphelper.h"
       #pragma comment(lib, "sapi.lib")

如果是在Vista或者Win7系统中开发的话,因为头文件和lib库所在路径已默认附加到编译器了,所以不需手动添加,直接在程序中包含头文件和lib库即可。

四.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  lNumItems, ULONG *pulNumSkipped);
       //  播放WAV文件
       HRESULT SpeakStream(IStream   *pStream, DWORD      dwFlags, ULONG     *pulStreamNumber);
       // 将声音输出到WAV文件
       HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 
       HRESULT SetVolume(USHORT usVolume);      // 设置音量,范围:0到100
       HRESULT GetVolume(USHORT *pusVolume);  // 获取音量
       HRESULT SetSyncSpeakTimeout(ULONG msTimeout);      // 设置同步朗读超时时间,单位为毫秒
       HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout);  // 获取同步朗读超时时间

因为在同步朗读时,speak函数是阻塞的,如果语音输出设备被其他程序占用,则speak则会一直等待,所以最好设置好超时时间,超时后speak函数自行返回。

3.使用XML朗读

在进行TTS开发时可以使用XML,SAPI可以分析XML标签,通过XML能够实现一些ISpVoice的成员函数的功能。比如设置语音库、音量、语速等。此时speak函数的dwFlags参数要设置为包含SPF_IS_XML。如:

       // 选择语音库Microsoft Sam
       pSpVoice->speak(L"<VOICE REQUIRED='NAME=Microsoft Sam'/>鸡啄米", SPF_DEFAULT | SPF_IS_XML, NULL);
       // 设置音量
       <VOLUME LEVEL='90'>鸡啄米</VOLUME>
       // 设置语言
       <lang langid='804'>鸡啄米</lang>

804代表中文,409代表英文。如果用函数SpGetLanguageFromToken获取语言时,0x804表示中文,0x409表示英文。

五.Microsofot Speech SDK开发程序举例

       ::CoInitialize(NULL);             // COM初始化
       CLSID CLSID_SpVoice;
       CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
       ISpVoice *pSpVoice = NULL;
       IEnumSpObjectTokens *pSpEnumTokens = NULL;
       // 获取ISpVoice接口
       if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice)))
       {
                 return -1;
       }
       // 列举所有的语音token,可以通过pSpEnumTokens指向的接口得到
       if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens)))
       {
                 ISpObjectToken *pSpToken = NULL;
                 // 依次获取每个token并朗读字符串
                 while (SUCCEEDED(pSpEnumTokens->Next(1, &pSpToken, NULL)) && pSpToken != NULL)
                 {
                           pSpVoice->SetVoice(pSpToken);      // 设置当前语音token为pSpToken
                           pSpVoice->Speak(L"Hello Word 世界你好", SPF_DEFAULT, NULL);     // 朗读中文和英文的混合字符串
                           pSpToken->Release();       // 释放token
                 }
                 pSpEnumTokens->Release();        // 释放pSpEnumTokens接口
        }
       pSpVoice->Release();
       ::CoUninitialize();

鸡啄米通过调试和朗读效果得出结论,Vista和Win7上的Microsoft Lili语音库可以中英文混读,Microsoft Speech SDK 5.1中的中文男声Microsoft Simplified Chinese语音库朗读英文的时候只能一个字母一个字母的读,Anna、Mike、Sam只能读英文,中文略过。

那么Microsoft Simplified Chinese、Anna、Mike、Sam怎样实现中英文混读呢?鸡啄米告诉大家,可以修改字符串,加入XML标记,将中文和英文分别处理,上面程序中 的字符串可以修改为:L"<lang langid='409'>Hello Word</lang> <lang langid='804'>世界你好</lang>"。这样当前语音库不能读的语言会自动选择同性别的其他语音来读。

六.如何制作SAPI组件安装包

       SAPI开发的程序想要正常运行,必须保证计算机上安装了SAPI组件,所以我们的软件发布时最好同时发布SAPI核心组件的安装程序,如果需要安装新的语言,还要有语言模块。这就需要用到讲SDK下载时提到的SpeechSDK51MSM.exe。
       SpeechSDK51MSM.exe安装完以后会生成三个文件夹: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。

我们要开发 的是TTS程序,所以不需要SR的相关文件。英文TTS需要包含1033下的这些文件:Sp5.msm、Sp5Intl.msm、Sp5itn.msm、 Sp5TTInt.msm、SpCommon.msm,如果需要Mike和Mary的语音还需Sp5TTIntXP.msm文件。如果还要支持中文TTS 则需再包含2052下的文件:Sp5Intl.msm、Sp5itn.msm、SP5TTINTr.msm。

仍以VS2010为例,安装包制作的具体过程如下:

1.选择File->new->project,弹出New Project对话框,在左侧面板中的Installed Templates下展开Other Project Types,继续展开起子节点Setup and Deployment,最后选择Visual Studio Installer,右侧面板中选择Setup Project,最后在对话框下部,设置好名称和路径点“OK”就生成工程了。对于没有集成Visual Studio Installer的老版本的编译器,可以在网上下载Microsoft Visual Studio Installer。

2.在Solution Explorer中的工程名上点右键,然后在右键菜单中选择Add->Merge Module,最后在弹出的对话框中选择上面提到的所要包含的.msm文件即可。

3.编译运行工程,若是Debug模式则会在工程目录的Debug文件夹下生成相应的msi文件,若是Release模式则会在Release目录下声称msi文件。

       SAPI安装包到此就制作好了,我们也可以将我们的应用程序exe文件也一同打到安装包里。这样运行安装程序后就会将应用程序和SAPI组件都装到目标主机里,应用程序可以直接运行。

关于Windows TTS语音引擎编程入门的知识鸡啄米就总结完了,大家可以继续探索,开发出各种有趣的语音程序。


 类似资料: