【VC++技術(shù)雜談004】使用微軟TTS語音引擎實現(xiàn)文本朗讀

goodwangLib 2018-05-11

展開全文

　　本文主要介紹如何使用微軟TTS語音引擎實現(xiàn)文本朗讀，以及生成wav格式的聲音文件。

1.語音引擎及語音庫的安裝

　　TTS（Text-To-Speech）是指文本語音的簡稱,即通過TTS引擎把文本轉(zhuǎn)化為語音輸出。

　　微軟TTS語音引擎提供了Windows Speech SDK開發(fā)包供編程者使用。Windows Speech SDK包含語音合成SS引擎和語音識別SR引擎兩種，語音合成引擎用于將文字轉(zhuǎn)換成語音輸出，語音識別引擎用于識別語音命令。

　　Windows Speech SDK可以在微軟的官網(wǎng)上免費下載，下載地址為：http://www.microsoft.com/download/en/details.aspx?id=10121

　　在該下載界面中，選擇下載SpeechSDK51.exe、SpeechSDK51LangPach.exe和sapi.chm 即可。其中，SpeechSDK51.exe是簡體中文語音引擎，SpeechSDK51LangPach.exe是中文男生語音庫，sapi.chm是SAPI（The Microsoft Speech API）幫助文檔。

　　下載完成后，先安裝語音引擎SpeechSDK51.exe，再安裝中文語音庫SpeechSDK51LangPach.exe。安裝完成后，可以依次點擊【開始】/【控制面板】/【語言】打開圖1所示的語言屬性對話框。在該對話框的“文字-語音轉(zhuǎn)換”標(biāo)簽頁下的“語音選擇”中能夠看到當(dāng)前系統(tǒng)安裝的全部可用的語音庫。

圖1 語言屬性對話框

2.ISpVoice接口的成員函數(shù)

　　文本朗讀的功能主要是通過使用ISpVoice接口的成員函數(shù)來實現(xiàn)的。該接口的常用成員函數(shù)有如下一些：

(1)HRESULT Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber);　　//朗讀文本

(2)HRESULT Pause ( void); 　　　　 //暫停朗讀

(3)HRESULT Resume ( void); 　　　　 //恢復(fù)朗讀

(4)HRESULT SetRate( long RateAdjust); 　　　　 //設(shè)置朗讀速度（取值范圍：-10到10）

(5)HRESULT GetRate(long *pRateAdjust); 　　　　 //獲取朗讀速度

(6)HRESULT SetVoice(ISpObjectToken *pToken); 　　//設(shè)置使用的語音庫

(7)HRESULT GetVoice(ISpObjectToken** ppToken); 　　//獲取語音庫

(8)HRESULT SetVolume(USHORT usVolume); 　　　　//設(shè)置音量（取值范圍：0到100）

(9)HRESULT GetVolume(USHORT *pusVolume); 　　　　//獲取音量

(10)HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 　　　　//設(shè)置輸出

(11)HRESULT SpeakStream(IStream *pStream, DWORD dwFlags, ULONG *pulStreamNumber); 　　//朗讀wav數(shù)據(jù)流

3.編程實例

　　了解了以上一些ISpVoice接口的成員函數(shù)之后，我們就可以開始編寫程序來實現(xiàn)文本朗讀，以及生成wav格式聲音文件的功能了。

3.1環(huán)境配置

　　首先，我們需要將Windows Speech SDK開發(fā)包的頭文件和庫文件所在路徑添加到編譯器中，具體方法如下（這里以VC++6.0為例）：

　　依次點擊【工具】/【選項】，打開選項對話框，選擇【目錄】標(biāo)簽，在【路徑】中加入“C:\Program Files\Microsoft Speech SDK 5.1\Include”和“C:\Program Files\Microsoft Speech SDK 5.1\Lib\i386”。如圖2所示。

圖2 選項對話框

　　其次，還需要在工程中包含TTS語音引擎頭文件和庫文件，具體如下：

1 #include <sapi.h>                            //包含TTS語音引擎頭文件和庫文件
2 #include <sphelper.h>
3 #pragma comment(lib, "sapi.lib")

3.2枚舉語音庫

　　枚舉語音庫需要使用到SpEnumTokens()函數(shù)，該函數(shù)原型如下：

1 inline HRESULT SpEnumTokens(
2    const WCHAR            *pszCategoryId,
3    const WCHAR            *pszReqAttribs,
4    const WCHAR            *pszOptAttribs,
5    IEnumSpObjectTokens   **ppEnum
6 );

　　其中，參數(shù)ppEnum是IEnumSpObjectTokens類型的指針，用于存儲枚舉得到的所有語音Token。IEnumSpObjectTokens的成員函數(shù)GetCount()用于得到語音Token的總個數(shù)，而成員函數(shù)Item()則用于得到具體的某一個語音Token。

　　如下的代碼示例如何枚舉得到的所有語音Token，并將得到的語音庫的名字添加到下拉組合框控件中，具體實現(xiàn)如下：

 1 /*
 2  * 函數(shù)功能 : 初始化語言包選擇組合框控件
 3  * 備    注 : 
 4  * 作    者 : 博客園 依舊淡然
 5  */
 6 void CTTSDemoDlg::InitVoicePackageSelComboxCtrl()
 7 {
 8     //初始化COM組件
 9     if(FAILED(::CoInitialize(NULL)))
10     {
11         MessageBox("初始化COM組件失敗!", "提示", MB_OK|MB_ICONWARNING);
12         return;
13     }
14 
15     //枚舉所有語音Token
16     if(SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &m_pIEnumSpObjectTokens)))
17     {
18         //得到所有語音Token的個數(shù)
19         ULONG ulTokensNumber = 0;
20         m_pIEnumSpObjectTokens->GetCount(&ulTokensNumber);
21         
22         //檢測該機器是否安裝有語音包
23         if(ulTokensNumber == 0)
24         {
25             MessageBox("該機器沒有安裝語音包!", "提示", MB_OK|MB_ICONWARNING);
26             return;    
27         }
28         
29         //將語音包的名字加入組合框控件
30         CString strVoicePackageName = _T("");
31         CString strTokenPrefixText = _T("HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Speech\\Voices\\Tokens\\");
32         for(ULONG i=0; i<ulTokensNumber; i++)
33         {
34             m_pIEnumSpObjectTokens->Item(i, &m_pISpObjectToken);
35             WCHAR* pChar;
36             m_pISpObjectToken->GetId(&pChar);
37             strVoicePackageName = pChar;
38             strVoicePackageName.Delete(0, strTokenPrefixText.GetLength());
39             m_ComboxVoiceSel.InsertString(i, strVoicePackageName);
40         }
41 
42         //設(shè)置默認的語音包選擇
43         m_ComboxVoiceSel.SetCurSel(0);
44     }
45 }

　　通過以上的代碼可以看到，首先，我們通過調(diào)用CoInitialize()函數(shù)完成了對COM組件的初始化。然后，我們調(diào)用SpEnumTokens()函數(shù)得到了m_pIEnumSpObjectTokens對象，該對象存儲了枚舉得到的所有語音Token。緊接著，我們調(diào)用GetCount()函數(shù)得到個數(shù)，并調(diào)用Item()函數(shù)得到具體的每一個語音Token對象m_pISpObjectToken。最后，我們通過調(diào)用m_pISpObjectToken對象的GetId()函數(shù)便能得到具體的某一個Token對象的ID，其形式為“HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\XXXXX”，去掉其前綴便能得到具體的語音庫的名字了。

　　該實例運行效果如圖3所示，點擊“語音包選擇”組合框下拉箭頭，能夠看到與圖1中列出的語音包是一致的。

圖3 TTS示例運行效果

3.3文本朗讀

　　點擊圖3所示界面中的“開始朗讀”按鈕，能夠根據(jù)當(dāng)前所選擇的語音包以及設(shè)定的語速和音量，對朗讀內(nèi)容編輯框中的內(nèi)容進行朗讀。其具體實現(xiàn)方法如下：

 1 /*
 2  * 函數(shù)功能 : 點擊"開始朗讀"按鈕時，該函數(shù)被調(diào)用
 3  * 備    注 : 
 4  * 作    者 : 博客園 依舊淡然
 5  */
 6 void CTTSDemoDlg::OnButtonStartRead() 
 7 {
 8     UpdateData(true);
 9 
10     //獲取ISpVoice接口
11     if(FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&m_pISpVoice)))
12     {
13         MessageBox("獲取ISpVoice接口失敗!", "提示", MB_OK|MB_ICONWARNING);
14         return;
15     }
16 
17     //設(shè)置語言
18     m_pIEnumSpObjectTokens->Item(m_ComboxVoiceSel.GetCurSel(), &m_pISpObjectToken);
19     m_pISpVoice->SetVoice(m_pISpObjectToken);
20 
21     //設(shè)置播放速度
22     m_pISpVoice->SetRate(m_SliderVoiceSpeed.GetPos() - 10);
23 
24     //設(shè)置音量大小
25     m_pISpVoice->SetVolume(100 - m_SliderVoiceSize.GetPos());
26 
27     //檢測朗讀內(nèi)容是否為空
28     if(m_EditContent.IsEmpty())
29     {
30         MessageBox("朗讀內(nèi)容不能為空!", "提示", MB_OK|MB_ICONWARNING);
31         return;
32     }
33     
34     //開始進行朗讀
35     m_pISpVoice->Speak(m_EditContent.AllocSysString(), SPF_ASYNC, NULL);
36 }

　　在以上代碼中可以看到，使用了ISpVoice接口函數(shù)來完成語音庫的選擇、語速和音量大小的設(shè)定，以及通過調(diào)用Speak()函數(shù)進行文本朗讀。

3.4生成WAV格式的聲音文件

　　要將文本朗讀的聲音保存為WAV格式的聲音文件，主要是通過調(diào)用ISpVoice接口函數(shù)GetOutputStream()和SetOutput()來實現(xiàn)的。

以下的代碼段給出了實現(xiàn)該功能的示例：

 1     //生成WAV文件
 2     CComPtr<ISpStream> cpISpStream;
 3     CComPtr<ISpStreamFormat> cpISpStreamFormat;
 4     CSpStreamFormat spStreamFormat;
 5     m_pISpVoice->GetOutputStream(&cpISpStreamFormat);
 6     spStreamFormat.AssignFormat(cpISpStreamFormat);
 7     HRESULT hResult = SPBindToFile("C:\\Documents and Settings\\Administrator\\桌面\\TEST\\test.wav", 
 8         SPFM_CREATE_ALWAYS, 
 9         &cpISpStream, 
10         &spStreamFormat.FormatId(), 
11         spStreamFormat.WaveFormatExPtr());
12     if(SUCCEEDED(hResult))
13     {
14         m_pISpVoice->SetOutput(cpISpStream, TRUE);
15         m_pISpVoice->Speak(m_EditContent.AllocSysString(), SPF_DEFAULT, NULL);
16         MessageBox("生成WAV文件成功!", "提示", MB_OK);
17     }
18     else
19     {
20         MessageBox("生成WAV文件失敗!", "提示", MB_OK|MB_ICONWARNING);
21     }