我們都使用過(guò)一些某某詞霸的英語(yǔ)學(xué)習工具軟件，它們大多都有朗讀的功能，其實(shí)這就是利用的Windows的TTS（Text To Speech)語(yǔ)音引擎。它包含在Windows Speech SDK開(kāi)發(fā)包中。我們也可以使用此開(kāi)發(fā)包根據自己的需要開(kāi)發(fā)程序。雞啄米下面對TTS功能的軟件開(kāi)發(fā)過(guò)程進(jìn)行詳細介紹。
一.SAPI SDK的介紹
SAPI，全稱(chēng)是The Microsoft Speech API。就是微軟的語(yǔ)音API。由Windows Speech SDK提供。
Windows Speech SDK包含語(yǔ)音識別SR引擎和語(yǔ)音合成SS引擎兩種語(yǔ)音引擎。語(yǔ)音識別引擎用于識別語(yǔ)音命令，調用接口完成某個(gè)功能，實(shí)現語(yǔ)音控制。語(yǔ)音合成引擎用于將文字轉換成語(yǔ)音輸出。
SAPI包括以下幾類(lèi)接口：Voice Commands API、Voice Dictation API、Voice Text API、Voice Telephone API和Audio Objects API。我們要實(shí)現語(yǔ)音合成需要的是Voice Text API。
目前最常用的Windows Speech SDK版本有三種：5.1、5.3和5.4。
Windows Speech SDK 5.1版本支持xp系統和server 2003系統，需要下載安裝。XP系統默認只帶了個(gè)Microsoft Sam英文男聲語(yǔ)音庫，想要中文引擎就需要安裝Windows Speech SDK 5.1。
Windows Speech SDK 5.3版本支持Vista系統和Server 2008系統，已經(jīng)集成到系統里。Vista和Server 2003默認帶Microsoft lili中文女聲語(yǔ)音庫和Microsoft Anna英文女聲語(yǔ)音庫。
Windows Speech SDK 5.4版本支持Windows7系統，也已經(jīng)集成到系統里，不需要下載安裝。Win7系統同樣帶了Microsoft lili中文女聲語(yǔ)音庫和Microsoft Anna英文女聲語(yǔ)音庫。Microsoft lili支持中英文混讀。
二.SAPI SDK的下載和安裝
如果是在XP系統下進(jìn)行開(kāi)發(fā)則需要下載Microsoft Speech SDK 5.1，下載地址為：http://www.microsoft.com/download/en/details.aspx?id=10121。
根據微軟下載說(shuō)明，有幾點(diǎn)需要注意：
1.如果你想下載例子程序、文檔、SAPI和用于開(kāi)發(fā)的美國英文語(yǔ)音引擎，請下載SpeechSDK51.exe。
2.如果你想使用日文和簡(jiǎn)體中文引擎用于開(kāi)發(fā)，請下載SpeechSDK51.exe和SpeechSDK51LangPach.exe。
3.如果你想將語(yǔ)音引擎集成到你的產(chǎn)品跟產(chǎn)品一起發(fā)布，就下載SpeechSDK51MSM.exe。
4.如果你僅想獲得XP系統下的Mike和Mary語(yǔ)音，就下載Sp5TTIntXP.exe。
5.如果你只想要文檔請下載sapi.chm。
下載完成后可先安裝引擎SpeechSDK51.exe，再安裝中文語(yǔ)言補丁包SpeechSDK51LangPach.exe，這樣就可以使用其中的中文男聲語(yǔ)音庫了。如果想要在Vista或Win7系統下使用Mike、Mary和Microsoft Simplified Chinese中文男聲語(yǔ)音庫也可以下載相應的文件安裝。
三.VC++環(huán)境配置
如果是在XP系統下開(kāi)發(fā)，先安裝SpeechSDK51.exe再安裝SpeechSDK51LangPach.exe，假設安裝路徑為默認的C:\Program Files\Microsoft Speech SDK 5.1，則接下來(lái)需要配置VC++，以VS2010為例，在Solution Exporer中的工程名上點(diǎn)右鍵，在右鍵菜單中選擇properties，彈出Property Pages對話(huà)框，然后在左側樹(shù)中選擇節點(diǎn)”VC++Directories“，在右側列表的Include Directories處輸入”C:\Program Files\Microsoft Speech SDK 5.1\Include“，Library Directories處輸入”C:\Program Files\Microsoft Speech SDK 5.1\lib\i386“。VS2005、VS2008和VC6.0可以按照各自的方法設置。
最后，在程序中使用語(yǔ)音引擎以前包含頭文件和lib庫：
#include "sapi.h"
#include "sphelper.h"
#pragma comment(lib, "sapi.lib")
如果是在Vista或者Win7系統中開(kāi)發(fā)的話(huà)，因為頭文件和lib庫所在路徑已默認附加到編譯器了，所以不需手動(dòng)添加，直接在程序中包含頭文件和lib庫即可。
四.SAPI接口的使用說(shuō)明
1.基本朗讀過(guò)程的實(shí)現
在使用語(yǔ)音引擎之前進(jìn)行初始化：
ISpVoice *pSpVoice; // 重要COM接口
::CoInitialize(NULL); // COM初始化
// 獲取ISpVoice接口
CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice);
獲取到ISpVoice接口以后，我們就可以通過(guò)pSpVoice指針調用SAPI接口了。
我們可以設置音量：pSpVoice->SetVolume(80);。SetVolume的參數即音量的范圍在0到100之間。
可以這樣朗讀字符串內容：pSpVoice->Speak(string, SPF_DEFAULT, NULL);。這樣string里的內容就會(huì )被朗讀出來(lái)了，第二個(gè)參數SPF_DEFAULT表示使用默認設置，包括同步朗讀的設置。異步朗讀可以設置成SPF_ASYNC。同步朗讀表示讀完string中的內容，speak函數才會(huì )返回，而異步朗讀則將字符串送進(jìn)去就返回，不會(huì )阻塞。
使用完語(yǔ)音引擎后應執行：
pSpVoice->Release();
::CoUninitialize();
這樣資源被釋放，語(yǔ)音朗讀過(guò)程結束。
以上就完成了一個(gè)簡(jiǎn)單的語(yǔ)音合成朗讀的功能。
2.ISpVoice的成員函數
雞啄米再簡(jiǎn)單說(shuō)明幾個(gè)ISpVoice接口的成員函數：
HRESULT Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber);
用于讀取字符串pwcs里的內容。參數pwcs為要朗讀的字符串。dwFlags是用于控制朗讀方式的標志，具體意義可以查看文檔中的枚舉SPEAKFLAGS。pulStreamNumber為輸出參數，它指向本次朗讀請求對應的當前輸入流編號，每次朗讀一個(gè)字符串時(shí)都會(huì )有一個(gè)流編號返回，異步朗讀時(shí)使用。
HRESULT SetRate( long RateAdjust); // 設置朗讀速度，取值范圍：-10到10
HRESULT GetRate(long *pRateAdjust); // 獲取朗讀速度
HRESULT SetVoice(ISpObjectToken *pToken); // 設置使用的語(yǔ)音庫
HRESULT GetVoice(ISpObjectToken** ppToken); // 獲取語(yǔ)音庫
HRESULT Pause ( void ); // 暫停朗讀
HRESULT Resume ( void ); // 恢復朗讀
// 在當前朗讀文本中根據lNumItems的符號向前或者向后跳過(guò)指定數量（lNumItems的絕對值）的句子。
HRESULT Skip(LPCWSTR *pItemType, long lNumItems, ULONG *pulNumSkipped);
// 播放WAV文件
HRESULT SpeakStream(IStream *pStream, DWORD dwFlags, ULONG *pulStreamNumber);
// 將聲音輸出到WAV文件
HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges);
HRESULT SetVolume(USHORT usVolume); // 設置音量，范圍：0到100
HRESULT GetVolume(USHORT *pusVolume); // 獲取音量
HRESULT SetSyncSpeakTimeout(ULONG msTimeout); // 設置同步朗讀超時(shí)時(shí)間，單位為毫秒
HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout); // 獲取同步朗讀超時(shí)時(shí)間
因為在同步朗讀時(shí)，speak函數是阻塞的，如果語(yǔ)音輸出設備被其他程序占用，則speak則會(huì )一直等待，所以最好設置好超時(shí)時(shí)間，超時(shí)后speak函數自行返回。
3.使用XML朗讀
在進(jìn)行TTS開(kāi)發(fā)時(shí)可以使用XML，SAPI可以分析XML標簽，通過(guò)XML能夠實(shí)現一些ISpVoice的成員函數的功能。比如設置語(yǔ)音庫、音量、語(yǔ)速等。此時(shí)speak函數的dwFlags參數要設置為包含SPF_IS_XML。如：
// 選擇語(yǔ)音庫Microsoft Sam
pSpVoice->speak(L"<VOICE REQUIRED='NAME=Microsoft Sam'/>雞啄米", SPF_DEFAULT | SPF_IS_XML, NULL);
// 設置音量
<VOLUME LEVEL='90'>雞啄米</VOLUME>
// 設置語(yǔ)言
<lang langid='804'>雞啄米</lang>
804代表中文，409代表英文。如果用函數SpGetLanguageFromToken獲取語(yǔ)言時(shí)，0x804表示中文，0x409表示英文。
五.Microsofot Speech SDK開(kāi)發(fā)程序舉例
::CoInitialize(NULL); // COM初始化
CLSID CLSID_SpVoice;
CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
ISpVoice *pSpVoice = NULL;
IEnumSpObjectTokens *pSpEnumTokens = NULL;
// 獲取ISpVoice接口
if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice)))
{
return -1;
}
// 列舉所有的語(yǔ)音token，可以通過(guò)pSpEnumTokens指向的接口得到
if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens)))
{
ISpObjectToken *pSpToken = NULL;
// 依次獲取每個(gè)token并朗讀字符串
while (SUCCEEDED(pSpEnumTokens->Next(1, &pSpToken, NULL)) && pSpToken != NULL)
{
pSpVoice->SetVoice(pSpToken); // 設置當前語(yǔ)音token為pSpToken
pSpVoice->Speak(L"Hello Word 世界你好", SPF_DEFAULT, NULL); // 朗讀中文和英文的混合字符串
pSpToken->Release(); // 釋放token
}
pSpEnumTokens->Release(); // 釋放pSpEnumTokens接口
}
pSpVoice->Release();
::CoUninitialize();
雞啄米通過(guò)調試和朗讀效果得出結論，Vista和Win7上的Microsoft Lili語(yǔ)音庫可以中英文混讀，Microsoft Speech SDK 5.1中的中文男聲Microsoft Simplified Chinese語(yǔ)音庫朗讀英文的時(shí)候只能一個(gè)字母一個(gè)字母的讀，Anna、Mike、Sam只能讀英文，中文略過(guò)。
那么Microsoft Simplified Chinese、Anna、Mike、Sam怎樣實(shí)現中英文混讀呢？雞啄米告訴大家，可以修改字符串，加入XML標記，將中文和英文分別處理，上面程序中的字符串可以修改為：L"<lang langid='409'>Hello Word</lang> <lang langid='804'>世界你好</lang>"。這樣當前語(yǔ)音庫不能讀的語(yǔ)言會(huì )自動(dòng)選擇同性別的其他語(yǔ)音來(lái)讀。
六.如何制作SAPI組件安裝包
SAPI開(kāi)發(fā)的程序想要正常運行，必須保證計算機上安裝了SAPI組件，所以我們的軟件發(fā)布時(shí)最好同時(shí)發(fā)布SAPI核心組件的安裝程序，如果需要安裝新的語(yǔ)言，還要有語(yǔ)言模塊。這就需要用到講SDK下載時(shí)提到的SpeechSDK51MSM.exe。
SpeechSDK51MSM.exe安裝完以后會(huì )生成三個(gè)文件夾：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。
我們要開(kāi)發(fā)的是TTS程序，所以不需要SR的相關(guān)文件。英文TTS需要包含1033下的這些文件：Sp5.msm、Sp5Intl.msm、Sp5itn.msm、Sp5TTInt.msm、SpCommon.msm，如果需要Mike和Mary的語(yǔ)音還需Sp5TTIntXP.msm文件。如果還要支持中文TTS則需再包含2052下的文件：Sp5Intl.msm、Sp5itn.msm、SP5TTINTr.msm。
仍以VS2010為例，安裝包制作的具體過(guò)程如下：
1.選擇File->new->project，彈出New Project對話(huà)框，在左側面板中的Installed Templates下展開(kāi)Other Project Types，繼續展開(kāi)起子節點(diǎn)Setup and Deployment，最后選擇Visual Studio Installer，右側面板中選擇Setup Project，最后在對話(huà)框下部，設置好名稱(chēng)和路徑點(diǎn)“OK”就生成工程了。對于沒(méi)有集成Visual Studio Installer的老版本的編譯器，可以在網(wǎng)上下載Microsoft Visual Studio Installer。
2.在Solution Explorer中的工程名上點(diǎn)右鍵，然后在右鍵菜單中選擇Add->Merge Module，最后在彈出的對話(huà)框中選擇上面提到的所要包含的.msm文件即可。
3.編譯運行工程，若是Debug模式則會(huì )在工程目錄的Debug文件夾下生成相應的msi文件，若是Release模式則會(huì )在Release目錄下聲稱(chēng)msi文件。
SAPI安裝包到此就制作好了，我們也可以將我們的應用程序exe文件也一同打到安裝包里。這樣運行安裝程序后就會(huì )將應用程序和SAPI組件都裝到目標主機里，應用程序可以直接運行。
關(guān)于Windows TTS語(yǔ)音引擎編程入門(mén)的知識雞啄米就總結完了，大家可以繼續探索，開(kāi)發(fā)出各種有趣的語(yǔ)音程序。
