下载本文示例代码
天极IT资讯短信服务 电脑小技巧 function check4() { if (dn.mobile.value.length!=11) { alert("手机号码不正确!"); dn.mobile.focus(); return false; } return true; } 资费：包月5元 手机： 介绍：细处着手，巧处用功。高手和菜鸟之间的差别就是：高手什么都知道，菜鸟知道一些。电脑小技巧收集最新奇招高招，让你轻松踏上高手之路。(首月免费) 内容简介 文本语音（Text-to-Speech，以下简称TTS），它的作用就是把通过TTS引擎把文本转化为语音输出。本文不是讲述如何建立自己的TTS引擎，而是简单介绍如何运用Microsoft Speech SDK 建立自己的文本语音转换应用程序。 Microsoft Speech SDK简介 Microsoft Speech SDK是微软提供的软件开发包，提供的Speech API （SAPI）主要包含两大方面： 1． API for Text-to-Speech 2． API for Speech Recognition 其中API for Text-to-Speech，就是微软TTS引擎的接口，通过它我们可以很容易地建立功能强大的文本语音程序，金山词霸的单词朗读功能就用到了这写API，而目前几乎所有的文本朗读工具都是用这个SDK开发的。至于API for Speech Recognition就是与TTS相对应的语音识别，语音技术是一种令人振奋的技术，但由于目前语音识别技术准确度和识别速度不太理想，还未达到广泛应用的要求。 Microsoft Speech SDK可以在微软的网站免费下载，目前的版本是5.1，为了支持中文，还要把附加的语言包（LangPack）一起下载。 为了在VC中使用这SDK，必需在工程中添加SDK的include和lib目录，为免每个工程都添加目录，最好的办法是在VC的 Option-＞Directoris立加上SDK的include和lib目录。 一个最简单的例子 先看一个入门的例子：
#include ＜sapi.h＞#pragma comment(lib,"ole32.lib") //CoInitialize CoCreateInstance需要调用ole32.dll#pragma comment(lib,"sapi.lib") //sapi.lib在SDK的lib目录,必需正确配置int main(int argc, char* argv[]){ISpVoice * pVoice = NULL;//COM初始化：if (FAILED(::CoInitialize(NULL)))return FALSE;//获取ISpVoice接口：HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);if( SUCCEEDED( hr ) ){hr = pVoice-＞Speak(L"Hello world", 0, NULL);pVoice-＞Release();pVoice = NULL;}//千万不要忘记：::CoUninitialize(); return TRUE;} 短短20几行代码就实现了文本语音转换，够神奇吧。SDK提供的SAPI是基于COM封装的，无论你是否熟悉COM，只要按部就班地用CoInitialize()， CoCreateInstance()获取IspVoice接口就够了，需要注意的是初始化COM后，程序结束前一定要用CoUninitialize()释放资源。 IspVoice接口主要函数 上述程序的流程是获取IspVoice接口，然后用ISpVoice::Speak（）把文本输出为语音，可见，程序的核心就是IspVoice接口。除了Speak外IspVoice接口还有许多成员函数，具体用法请参考SDK的文档。下面择要说一下几个主要函数的用法： HRESULT Speak(const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber); 功能：就是speak了 参数： *pwcs 输入的文本字符串，必需为Unicode，如果是ansi字符串必需先转换为Unicode。 dwFlags 用来标志Speak的方式，其中SPF_IS_XML 表示输入文本含有XML标签，这个下文会讲到。 PulStreamNumber 输出，用来获取去当前文本输入的等候播放队列的位置，只有在异步模式才有用。 HRESULT Pause ( void );HRESULT Resume ( void ); 功能：一看就知道了。HRESULT SetRate(long RateAdjust );HRESULT GetRate(long *pRateAdjust); 功能：设置/获取播放速度，范围：-10 to 10HRESULT SetVolume(USHORT usVolume);HRESULT GetVolume(USHORT *pusVolume); 功能：设置/获取播放音量，范围：0 to 100HRESULT SetSyncSpeakTimeout(ULONG msTimeout);HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout); 功能：设置/获取同步超时时间。由于在同步模式中，电泳Speak后程序就会进入阻塞状态等待Speak返回，为免程序长时间没相应，应该设置超时时间，msTimeout单位为毫秒。HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 功能：设置输出，下文会讲到用SetOutput把Speak输出问WAV文件。 这些函数的返回类型都是HRESULT，如果成功则返回S_OK，错误有各自不同的错误码。 使用XML 个人认为这个TTS api功能最强大之处在于能够分析XML标签，通过XML标签设置音量、音调、延长、停顿，几乎可以使输出达到自然语音效果。前面已经提过，把Speak参数dwFlags设为SPF_IS_XML,TTS引擎就会分析XML文本，输入文本并不需要严格遵守W3C的标准，只要含有XML标签就行了，下面举个例子： ……
pVoice-＞Speak(L"＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞volume＜VOLUME LEVEL=''100''＞turn up＜/VOLUME＞", SPF_IS_XML, NULL);……＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞ 标签把声音设为Microsoft Mary，英文版SDK中一共含有3种声音，另外两种是Microsoft Sam和Microsoft Mike。 ……＜VOLUME LEVEL=''100''＞ 把音量设为100，音量范围是0～100。 另外：标志音调（-10～10）： ＜PITCH MIDDLE="10"＞text＜/PITCH＞ 注意：" 号在C/C 中前面要加 \ ，否则会出错。 标志语速（-10～10）： ＜RATE SPEED="-10"＞text＜/RATE＞ 逐个字母读： ＜SPELL＞text＜/SPELL＞ 强调： ＜EMPH＞text＜/EMPH＞ 停顿200毫秒（最长为65,536毫秒）： ＜SILENCE MSEC="200" /＞ 控制发音： ＜PRON SYM = ''h eh - l ow 1''/＞ 这个标签的功能比较强，重点讲一下：所有的语言发音都是由基本的音素组成，拿中文发音来说，拼音是组成发音的最基本的元素，只要知道汉字的拼音，即使不知道怎么写，我们可知道这个字怎么都，对于TTS引擎来说，它不一定认识所有字，但是你把拼音对应的符号（SYM）给它，它就一定能够读出来，而英语发音则可以用音标表示，''h eh - l ow 1''就是hello这个单词对应的语素。至于发音与符号SYM具体对应关系请看SDK文档中的Phoneme Table。 再另外，数字、日期、时间的读法也有一套规则，SDK中有详细的说明，这里不说了（懒得翻译了），下面随便抛个例子： ＜context ID = "date_ ymd"＞1999.12.21＜/context＞ 会读成 "December twenty first nineteen ninety nine" XML标签可以嵌套使用，但是一定要遵守XML标准。XML标签确实好用，效果也不错，但是……缺点：一个字―――"烦"，如果给一大段文字加标签，简直痛不欲生。 把文本语音输出为WAV文件 #include ＜sapi.h＞
#include ＜sphelper.h＞#pragma comment(lib,"ole32.lib")#pragma comment(lib,"sapi.lib")int main(int argc, char* argv[]){ISpVoice * pVoice = NULL;if (FAILED(::CoInitialize(NULL)))return FALSE;HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);if( SUCCEEDED( hr ) ){CComPtr＜ISpStream＞ cpWavStream;CComPtr＜ISpStreamFormat＞ cpOldStream;CSpStreamFormat OriginalFmt;pVoice-＞GetOutputStream( &cpOldStream );OriginalFmt.AssignFormat(cpOldStream);hr = SPBindToFile( L"D:\\output.wav",SPFM_CREATE_ALWAYS,&cpWavStream,&OriginalFmt.FormatId(),OriginalFmt.WaveFormatExPtr() );if( SUCCEEDED( hr ) ){pVoice-＞SetOutput(cpWavStream,TRUE);WCHAR WTX[] = L"＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞text to wave";pVoice-＞Speak(WTX, SPF_IS_XML, NULL);pVoice-＞Release();pVoice = NULL;}}::CoUninitialize(); return TRUE;} SPBindToFile把文件绑定到输出流上，而SetOutput把输出设为绑定文件的流上。 最后 看完本文后，是不是觉得很简单，微软把强大的功能封装的太好了。其实SDK中另外一个API，SR（语音识别）更有趣，有兴趣不妨试试，你会有意外的收获的。
天极IT资讯短信服务 电脑小技巧 function check4() { if (dn.mobile.value.length!=11) { alert("手机号码不正确!"); dn.mobile.focus(); return false; } return true; } 资费：包月5元 手机： 介绍：细处着手，巧处用功。高手和菜鸟之间的差别就是：高手什么都知道，菜鸟知道一些。电脑小技巧收集最新奇招高招，让你轻松踏上高手之路。(首月免费) 内容简介 文本语音（Text-to-Speech，以下简称TTS），它的作用就是把通过TTS引擎把文本转化为语音输出。本文不是讲述如何建立自己的TTS引擎，而是简单介绍如何运用Microsoft Speech SDK 建立自己的文本语音转换应用程序。 Microsoft Speech SDK简介 Microsoft Speech SDK是微软提供的软件开发包，提供的Speech API （SAPI）主要包含两大方面： 1． API for Text-to-Speech 2． API for Speech Recognition 其中API for Text-to-Speech，就是微软TTS引擎的接口，通过它我们可以很容易地建立功能强大的文本语音程序，金山词霸的单词朗读功能就用到了这写API，而目前几乎所有的文本朗读工具都是用这个SDK开发的。至于API for Speech Recognition就是与TTS相对应的语音识别，语音技术是一种令人振奋的技术，但由于目前语音识别技术准确度和识别速度不太理想，还未达到广泛应用的要求。 Microsoft Speech SDK可以在微软的网站免费下载，目前的版本是5.1，为了支持中文，还要把附加的语言包（LangPack）一起下载。 为了在VC中使用这SDK，必需在工程中添加SDK的include和lib目录，为免每个工程都添加目录，最好的办法是在VC的 Option-＞Directoris立加上SDK的include和lib目录。 一个最简单的例子 先看一个入门的例子：
#include ＜sapi.h＞#pragma comment(lib,"ole32.lib") //CoInitialize CoCreateInstance需要调用ole32.dll#pragma comment(lib,"sapi.lib") //sapi.lib在SDK的lib目录,必需正确配置int main(int argc, char* argv[]){ISpVoice * pVoice = NULL;//COM初始化：if (FAILED(::CoInitialize(NULL)))return FALSE;//获取ISpVoice接口：HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);if( SUCCEEDED( hr ) ){hr = pVoice-＞Speak(L"Hello world", 0, NULL);pVoice-＞Release();pVoice = NULL;}//千万不要忘记：::CoUninitialize(); return TRUE;} 短短20几行代码就实现了文本语音转换，够神奇吧。SDK提供的SAPI是基于COM封装的，无论你是否熟悉COM，只要按部就班地用CoInitialize()， CoCreateInstance()获取IspVoice接口就够了，需要注意的是初始化COM后，程序结束前一定要用CoUninitialize()释放资源。 IspVoice接口主要函数 上述程序的流程是获取IspVoice接口，然后用ISpVoice::Speak（）把文本输出为语音，可见，程序的核心就是IspVoice接口。除了Speak外IspVoice接口还有许多成员函数，具体用法请参考SDK的文档。下面择要说一下几个主要函数的用法： HRESULT Speak(const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber); 功能：就是speak了 参数： *pwcs 输入的文本字符串，必需为Unicode，如果是ansi字符串必需先转换为Unicode。 dwFlags 用来标志Speak的方式，其中SPF_IS_XML 表示输入文本含有XML标签，这个下文会讲到。 PulStreamNumber 输出，用来获取去当前文本输入的等候播放队列的位置，只有在异步模式才有用。 HRESULT Pause ( void );HRESULT Resume ( void ); 功能：一看就知道了。HRESULT SetRate(long RateAdjust );HRESULT GetRate(long *pRateAdjust); 功能：设置/获取播放速度，范围：-10 to 10HRESULT SetVolume(USHORT usVolume);HRESULT GetVolume(USHORT *pusVolume); 功能：设置/获取播放音量，范围：0 to 100HRESULT SetSyncSpeakTimeout(ULONG msTimeout);HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout); 功能：设置/获取同步超时时间。由于在同步模式中，电泳Speak后程序就会进入阻塞状态等待Speak返回，为免程序长时间没相应，应该设置超时时间，msTimeout单位为毫秒。HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); 功能：设置输出，下文会讲到用SetOutput把Speak输出问WAV文件。 这些函数的返回类型都是HRESULT，如果成功则返回S_OK，错误有各自不同的错误码。 使用XML 个人认为这个TTS api功能最强大之处在于能够分析XML标签，通过XML标签设置音量、音调、延长、停顿，几乎可以使输出达到自然语音效果。前面已经提过，把Speak参数dwFlags设为SPF_IS_XML,TTS引擎就会分析XML文本，输入文本并不需要严格遵守W3C的标准，只要含有XML标签就行了，下面举个例子： ……
pVoice-＞Speak(L"＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞volume＜VOLUME LEVEL=''100''＞turn up＜/VOLUME＞", SPF_IS_XML, NULL);……＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞ 标签把声音设为Microsoft Mary，英文版SDK中一共含有3种声音，另外两种是Microsoft Sam和Microsoft Mike。 ……＜VOLUME LEVEL=''100''＞ 把音量设为100，音量范围是0～100。 另外：标志音调（-10～10）： ＜PITCH MIDDLE="10"＞text＜/PITCH＞ 注意：" 号在C/C 中前面要加 \ ，否则会出错。 标志语速（-10～10）： ＜RATE SPEED="-10"＞text＜/RATE＞ 逐个字母读： ＜SPELL＞text＜/SPELL＞ 强调： ＜EMPH＞text＜/EMPH＞ 停顿200毫秒（最长为65,536毫秒）： ＜SILENCE MSEC="200" /＞ 控制发音： ＜PRON SYM = ''h eh - l ow 1''/＞ 这个标签的功能比较强，重点讲一下：所有的语言发音都是由基本的音素组成，拿中文发音来说，拼音是组成发音的最基本的元素，只要知道汉字的拼音，即使不知道怎么写，我们可知道这个字怎么都，对于TTS引擎来说，它不一定认识所有字，但是你把拼音对应的符号（SYM）给它，它就一定能够读出来，而英语发音则可以用音标表示，''h eh - l ow 1''就是hello这个单词对应的语素。至于发音与符号SYM具体对应关系请看SDK文档中的Phoneme Table。 再另外，数字、日期、时间的读法也有一套规则，SDK中有详细的说明，这里不说了（懒得翻译了），下面随便抛个例子： ＜context ID = "date_ ymd"＞1999.12.21＜/context＞ 会读成 "December twenty first nineteen ninety nine" XML标签可以嵌套使用，但是一定要遵守XML标准。XML标签确实好用，效果也不错，但是……缺点：一个字―――"烦"，如果给一大段文字加标签，简直痛不欲生。 把文本语音输出为WAV文件 #include ＜sapi.h＞
#include ＜sphelper.h＞#pragma comment(lib,"ole32.lib")#pragma comment(lib,"sapi.lib")int main(int argc, char* argv[]){ISpVoice * pVoice = NULL;if (FAILED(::CoInitialize(NULL)))return FALSE;HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);if( SUCCEEDED( hr ) ){CComPtr＜ISpStream＞ cpWavStream;CComPtr＜ISpStreamFormat＞ cpOldStream;CSpStreamFormat OriginalFmt;pVoice-＞GetOutputStream( &cpOldStream );OriginalFmt.AssignFormat(cpOldStream);hr = SPBindToFile( L"D:\\output.wav",SPFM_CREATE_ALWAYS,&cpWavStream,&OriginalFmt.FormatId(),OriginalFmt.WaveFormatExPtr() );if( SUCCEEDED( hr ) ){pVoice-＞SetOutput(cpWavStream,TRUE);WCHAR WTX[] = L"＜VOICE REQUIRED=''NAME=Microsoft Mary''/＞text to wave";pVoice-＞Speak(WTX, SPF_IS_XML, NULL);pVoice-＞Release();pVoice = NULL;}}::CoUninitialize(); return TRUE;} SPBindToFile把文件绑定到输出流上，而SetOutput把输出设为绑定文件的流上。 最后 看完本文后，是不是觉得很简单，微软把强大的功能封装的太好了。其实SDK中另外一个API，SR（语音识别）更有趣，有兴趣不妨试试，你会有意外的收获的。
下载本文示例代码
VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换VC编程实现文本语音转换
