我們都使用過一些某某詞霸的英語學(xué)習(xí)工具軟件，它們大多都有朗讀的功能，其實這就是利用的Windows的TTS（Text To Speech)語音引擎。它包含在Windows Speech SDK開發(fā)包中。我們也可以使用此開發(fā)包根據(jù)自己的需要開發(fā)程序。雞啄米下面對TTS功能的軟件開發(fā)過程進行詳細介紹。
一.SAPI SDK的介紹
SAPI，全稱是The Microsoft Speech API。就是微軟的語音API。由Windows Speech SDK提供。
Windows Speech SDK包含語音識別SR引擎和語音合成SS引擎兩種語音引擎。語音識別引擎用于識別語音命令，調(diào)用接口完成某個功能，實現(xiàn)語音控制。語音合成引擎用于將文字轉(zhuǎn)換成語音輸出。
SAPI包括以下幾類接口：Voice Commands API、Voice Dictation API、Voice Text API、Voice Telephone API和Audio Objects API。我們要實現(xiàn)語音合成需要的是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(tǒng)和server 2003系統(tǒng)，需要下載安裝。XP系統(tǒng)默認只帶了個Microsoft Sam英文男聲語音庫，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(tǒng)和Server 2008系統(tǒng)，已經(jīng)集成到系統(tǒng)里。Vista和Server 2003默認帶Microsoft lili中文女聲語音庫和Microsoft Anna英文女聲語音庫。
Windows Speech SDK 5.4版本支持Windows7系統(tǒng)，也已經(jīng)集成到系統(tǒng)里，不需要下載安裝。Win7系統(tǒng)同樣帶了Microsoft lili中文女聲語音庫和Microsoft Anna英文女聲語音庫。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(tǒng)下進行開發(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(jù)微軟下載說明，有幾點需要注意：
1.如果你想下載例子程序、文檔、SAPI和用于開發(fā)的美國英文語音引擎，請下載SpeechSDK51.exe。
2.如果你想使用日文和簡體中文引擎用于開發(fā)，請下載SpeechSDK51.exe和SpeechSDK51LangPach.exe。
3.如果你想將語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(tǒng)下的Mike和Mary語音，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，再安裝中文語言補丁包SpeechSDK51LangPach.exe，這樣就可以使用其中的中文男聲語音庫了。如果想要在Vista或Win7系統(tǒng)下使用Mike、Mary和Microsoft Simplified Chinese中文男聲語音庫也可以下載相應(yīng)的文件安裝。
三.VC++環(huán)境配置
如果是在XP系統(tǒng)下開發(fā)，先安裝SpeechSDK51.exe再安裝SpeechSDK51LangPach.exe，假設(shè)安裝路徑為默認的C:\Program Files\Microsoft Speech SDK 5.1，則接下來需要配置VC++，以VS2010為例，在Solution Exporer中的工程名上點右鍵，在右鍵菜單中選擇properties，彈出Property Pages對話框，然后在左側(cè)樹中選擇節(jié)點”VC++Directories“，在右側(cè)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(shè)置。
最后，在程序中使用語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(tǒng)中開發(fā)的話，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接口的使用說明
1.基本朗讀過程的實現(xiàn)
在使用語音引擎之前進行初始化：
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pSpVoice指針調(diào)用SAPI接口了。
我們可以設(shè)置音量：pSpVoice->SetVolume(80);。SetVolume的參數(shù)即音量的范圍在0到100之間。
可以這樣朗讀字符串內(nèi)容：pSpVoice->Speak(string, SPF_DEFAULT, NULL);。這樣string里的內(nèi)容就會被朗讀出來了，第二個參數(shù)SPF_DEFAULT表示使用默認設(shè)置，包括同步朗讀的設(shè)置。異步朗讀可以設(shè)置成SPF_ASYNC。同步朗讀表示讀完string中的內(nèi)容，speak函數(shù)才會返回，而異步朗讀則將字符串送進去就返回，不會阻塞。
使用完語音引擎后應(yīng)執(zhí)行：
pSpVoice->Release();
::CoUninitialize();
這樣資源被釋放，語音朗讀過程結(jié)束。
以上就完成了一個簡單的語音合成朗讀的功能。
2.ISpVoice的成員函數(shù)
雞啄米再簡單說明幾個ISpVoice接口的成員函數(shù)：
HRESULT Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber);
用于讀取字符串pwcs里的內(nèi)容。參數(shù)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(shù)，它指向本次朗讀請求對應(yīng)的當前輸入流編號，每次朗讀一個字符串時都會有一個流編號返回，異步朗讀時使用。
HRESULT SetRate( long RateAdjust); // 設(shè)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(shè)置使用的語音庫
HRESULT GetVoice(ISpObjectToken** ppToken); // 獲取語音庫
HRESULT Pause ( void ); // 暫停朗讀
HRESULT Resume ( void ); // 恢復(fù)朗讀
// 在當前朗讀文本中根據(jù)lNumItems的符號向前或者向后跳過指定數(shù)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(shè)置音量，范圍：0到100
HRESULT GetVolume(USHORT *pusVolume); // 獲取音量
HRESULT SetSyncSpeakTimeout(ULONG msTimeout); // 設(shè)置同步朗讀超時時間，單位為毫秒
HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout); // 獲取同步朗讀超時時間
因為在同步朗讀時，speak函數(shù)是阻塞的，如果語音輸出設(shè)備被其他程序占用，則speak則會一直等待，所以最好設(shè)置好超時時間，超時后speak函數(shù)自行返回。
3.使用XML朗讀
在進行TTS開發(fā)時可以使用XML，SAPI可以分析XML標簽，通過XML能夠?qū)崿F(xiàn)一些ISpVoice的成員函數(shù)的功能。比如設(shè)置語音庫、音量、語速等。此時speak函數(shù)的dwFlags參數(shù)要設(shè)置為包含SPF_IS_XML。如：
// 選擇語音庫Microsoft Sam
pSpVoice->speak(L"<VOICE REQUIRED='NAME=Microsoft Sam'/>雞啄米", SPF_DEFAULT | SPF_IS_XML, NULL);
// 設(shè)置音量
<VOLUME LEVEL='90'>雞啄米</VOLUME>
// 設(shè)置語言
<lang langid='804'>雞啄米</lang>
804代表中文，409代表英文。如果用函數(shù)SpGetLanguageFromToken獲取語言時，0x804表示中文，0x409表示英文。
五.Microsofot Speech SDK開發(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;
}
// 列舉所有的語音token，可以通過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token并朗讀字符串
while (SUCCEEDED(pSpEnumTokens->Next(1, &pSpToken, NULL)) && pSpToken != NULL)
{
pSpVoice->SetVoice(pSpToken); // 設(shè)置當前語音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();
雞啄米通過調(diào)試和朗讀效果得出結(jié)論，Vista和Win7上的Microsoft Lili語音庫可以中英文混讀，Microsoft Speech SDK 5.1中的中文男聲Microsoft Simplified Chinese語音庫朗讀英文的時候只能一個字母一個字母的讀，Anna、Mike、Sam只能讀英文，中文略過。
那么Microsoft Simplified Chinese、Anna、Mike、Sam怎樣實現(xiàn)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>"。這樣當前語音庫不能讀的語言會自動選擇同性別的其他語音來讀。
六.如何制作SAPI組件安裝包
SAPI開發(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)布時最好同時發(fā)布SAPI核心組件的安裝程序，如果需要安裝新的語言，還要有語言模塊。這就需要用到講SDK下載時提到的SpeechSDK51MSM.exe。
SpeechSDK51MSM.exe安裝完以后會生成三個文件夾：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程如下：
1.選擇File->new->project，彈出New Project對話框，在左側(cè)面板中的Installed Templates下展開Other Project Types，繼續(xù)展開起子節(jié)點Setup and Deployment，最后選擇Visual Studio Installer，右側(cè)面板中選擇Setup Project，最后在對話框下部，設(shè)置好名稱和路徑點“OK”就生成工程了。對于沒有集成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中的工程名上點右鍵，然后在右鍵菜單中選擇Add->Merge Module，最后在彈出的對話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模式則會在工程目錄的Debug文件夾下生成相應(yīng)的msi文件，若是Release模式則會在Release目錄下聲稱msi文件。
SAPI安裝包到此就制作好了，我們也可以將我們的應(yīng)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將應(yīng)用程序和SAPI組件都裝到目標主機里，應(yīng)用程序可以直接運行。
關(guān)于Windows TTS語音引擎編程入門的知識雞啄米就總結(jié)完了，大家可以繼續(xù)探索，開發(fā)出各種有趣的語音程序。
