基于Speech SDK开发中英文混合朗读程序

曾爱国(五邑大学信息学院，广东 江门 529020)   摘要　中英文混合朗读一直是个难点，本文在分析Microsoft Speech SDK中英文引擎的基础上，提出了根据文本类型实时切换中英文引擎的方法，在Visual C++6.0中实现了一个示例程序。    关键词　Speech SDK；中英文混合朗读；Visual C++

1 Speech SDK简介

    语音识别(SR)和语音合成(TTS)一直是计算机应用的热点，如果你想在Windows平台上开发具有语音识别和语音合成功能的应用程序，使用Microsoft Speech SDK是较好的选择。现在许多应用程序的语音识别和语音合成部分，例如金山词霸，就是在此基础上开发的。    Microsoft Speech SDK是微软公司推出的支持语音应用程序开发的工具包，其最新版本是5.1，可以在微软的网站免费下载，如果要支持中文，还要下载相应的Language Pack。下载后先安装Speech SDK，再安装简体中文语言包，这样你的计算机就具有中英文语音能力了。下面介绍在Visual C++6.0中如何利用Speech SDK开发中英文全文朗读的程序。

2　SpVoice类介绍

    SpVoice类是支持语音合成(TTS)的核心类。通过SpVoice对象调用TTS引擎，从而实现朗读功能。 SpVoice类有以下主要属性：    Voice：表示发音类型，相当于进行朗读的人，包括Microsoft Mary，Microsoft Mike，Microsoft Sam和Microsoft Simplified Chinese四种。其中前三种只能读英文，最后一种可以读中文，也可以读英文，但对于英文单词只能将其包括的各个字母逐一朗读出来。下面的程序中我们将会想办法解决这个问题。    Rate：语音朗读速度，取值范围为-10到+10。数值越大，速度越快。    Volume：音量，取值范围为0到100。数值越大，音量越大。    SpVoice有以下主要方法：    Speak：完成将文本信息转换为语音并按照指定的参数进行朗读，该方法有Text和Flags两个参数，分别指定要朗读的文本和朗读方式（同步或异步等）。    Pause：暂停使用该对象的所有朗读进程。该方法没有参数。    Resume：恢复该对象所对应的被暂停的朗读进程。该方法没有参数。

3　建立工程并导入类型库

    建立一个名字为mytts的MFC AppWizard(exe) 工程，在step1里面选择Dialog Based，在step2里面把Automation选项勾上。 其它的选默认值。    查找 spai.dll，将其拷贝到工程的res 目录，打开 MFC ClassWizard，选择 Automation 页，单击按钮"Add Class…"，选择"From a type library…"，选中"sapi.dll"文件，这时系统会出现 confirm Classes 对话框，询问将要导入的类，我们全部选中。

4　增加控件

    给对话框IDD_MYTTS_DIALOG增加控件，结果如图1所示。图1 程序界面

5　编写代码

    这里只说明关键的代码，完整代码可参考源文件。    1) 对话框的初始化    这里主要完成语音对象的速度，音量等基本参数的设置。BOOL CMyttsDlg：：OnInitDialog(){    ……     CLSIDFromProgID(L"SAPI.SpVoice"，&CLSID_ SpVoice)；voice.CreateDispatch(CLSID_SpVoice)；     //创建一个对象     pDisp = voice.m_lpDispatch；    HRESULT hr = pDisp->QueryInterface(CLSID_SpVoice，(void**)&voice.m_lpDispatch)；     if (hr == S_OK) { pDisp->Release()；}     else { voice.AttachDispatch(pDisp，TRUE)；}    //关联对象与接口     voice.SetRate(0)；//设置速度     voice.SetVolume(100)；//设置音量   voiceList=voice.GetVoices(NULL，NULL)；   //读取语音列表：     ……   m_Text="你好How are you"；//设置要阅读的初始文本     UpdateData(FALSE)；     ……}    2) 阅读按钮的代码    这部分代码是本程序的核心，主要解决的问题是实现中英文引擎的实时切换。实现方法是这样：依次处理文本中的每个字符，判断该字符的中英文类型，若其类型与前面的字符一致，继续处理后面的字符。直到发现一个字符与前面字符的类型不一致时，将前面的字符读出来（当然要根据字符类型设置相应的引擎），然后再处理后面的字符。具体代码如下：void CMyttsDlg：：OnBtnRead(){   long i，len；      char curr；     CString str；     int flagPre，flagCur；     int icnt，first；     UpdateData(TRUE)；      len=m_Text.GetLength()；     flagPre=iChn；icnt=0；first=0；     for (i=0；i   {        curr=m_Text.GetAt(i)；               if (curr==' ') flagCur=flagPre；//如果是空格，标志不变         else         {         if ((curr>='A' && curr<='Z') || (curr>='a' && curr<='z')) flagCur=iEng；//如果是英文字母，标志设为0         else flagCur=iChn；//否则标志设为3         }         if (flagCur==flagPre) icnt++；         else         {          if (icnt!=0) //字符类型变化，读出前面的文本         {              voice.SetRefVoice(voiceList.Item(flagPre))；              str=m_Text.Mid(first，icnt)；              voice.Speak(str，1)；         }         flagPre=flagCur；first=i；icnt=1；         }     }//读出最后一段文本     voice.SetRefVoice(voiceList.Item(flagPre))；               str=m_Text.Mid(first，icnt)；              voice.Speak(str，1)；}

6　总结

    本文给出了一种根据文本类型实时切换Microsoft Speech SDK的中英文引擎的方法，程序在Windows 2000和Visual C++6.0环境中调试通过。读者可以在此基础上添加其它功能。