SAPI_5.1_语音合成_和_语音识别_[C#]

SAPI 5.1 语音合成和语音识别[C#]

翻译源:Speech Synthesis & Speech Recognition Using SAPI 5.1 By Brian Long (/)

翻译说明:并不全文翻译,只翻译些对本人有用的部分,原版代码为Delphi,译文用C# .NET Framework 2.0

实现,有些有关Delphi的解释略去,另添加一些C#使用SAPI的个人理解注释,不定期更新

[1]语音合成

在简单层面上实现语音合成,只需要创建SpVoiceClass对象并调用其中的Speak方法,最简单的实现如下[读出文本框中的文字]

private void button1_Click(object sender, EventArgs e)

{

SpVoiceClass svc = new SpVoiceClass();

svc.Speak(textBox1.Text,SpeechVoiceSpeakFlags.SVSFDefault);

}...

[Tachikoma注:此处并未提到编程时添加对SAPI的引用,对COM组件的引用较简单,请自行处理]

对Speak方法的参数作如下说明:

0]对Speak方法的调用默认情况下将会是同步的,也就是说在朗读完指定文字之前不会返回值[同步/异步状态可用第二参数调整]

0]Speak方法返回一个流标号,当存在多个异步声音流时可通过标号识别,标号可作为参数提供给某些函数

1]第一个参数为要阅读的文字

2]第二参数为可调节的一些参数[Flags],可用"或"运算符将其连接同时使用

# SVSFDefault [该方法将同步阅读][具体见说明0]]

# SVSFlagAsync [该方法将异步阅读,调用后将立即返回,可通过事件监视朗读结束时间,或调用WaitUntilDone 方法,或通过SpeakCompleteEvent 得到一个事件句柄并提供给WaitForSingleObject]

# SVSFPurgeBeforeSpeak 所有朗读中的和待朗读的字符都将被取消

# SVSFNLPSpeakPunc 标点将被阅读出来

# SVSFIsFilename 标明第一个参数为要朗读文本所在的文件名

# SVSFIsXML 标明文本中含有XML标签,用于控制朗读的音量\频率等参数,示例

Hello

Delphi developers!

I can speak high and

MIDDLE="-10">low.

I can speak very quickly and

SPEED="-10">very slowly.

I can speak quietly and

LEVEL="100">loudly.

Go to source web page: SAPI 5.1 语音合成和语音识别[C#][1] - Tachikoma的乱七八糟- 博客园

列举语音[Voices]

翻译说明:由于这个部分涉及到了Delphi编写的简单程序，将其换成C#实现，有些不必要的说

明不按照原文翻译，基本上是按照原文复述

本节目标：调整朗读语音，调整语音频率和音量

代码环境设定：两个TrackBar代表语音频率和音量，trackBarRate，trackBarVolume，一个ComboBox选择朗读语音，comboBoxLanguage

PS：朗读语音，可能会不明白朗读语音的意思，就是在控制面板-语音-文字语音转换-"语音选择"中的项，比如Microsoft Mary,Microsoft Sam等等

SpVoiceClass类中GetVoices函数原型如下

public virtual ISpeechObjectTokens GetVoices(string RequiredAttributes, string OptionalAttributes);

该函数返回一个ISpeechObjectToken集合ISpeechObjectTokens，ISpeechObjectToken描述了每个朗读语音

函数两个参数均为对所得到集合的限制，第二参数为对第一参数的补充，比如使用

GetVoices('Gender = male', '')

就会得到男声集合

对于这些参数，一般有如下参数：Name,Vendor,Age,Gender,Language[有没有更多的不

知道，翻过SAPI的帮助也没找到相关说明]

调用以下语句作以说明

ISpeechObjectToken sot = svc.GetVoices(String.Empty, String.Empty).Item(0);

System.Diagnostics.Trace.WriteLine(sot.GetAttribute("Nam e"));

System.Diagnostics.Trace.WriteLine(sot.GetAttribute("Ven

dor"));

System.Diagnostics.Trace.WriteLine(sot.GetAttribute("Age "));

System.Diagnostics.Trace.WriteLine(sot.GetAttribute("Gen der"));

System.Diagnostics.Trace.WriteLine(sot.GetAttribute("Lan guage"));

输出中会显示

Microsoft Mary

Microsoft

Adult

Female

409;9

其中409;9代表该语音支持409[英语]和9[...]语言

[这里原文提到了申请ISpeechObjectToken实例的垃圾处理的问题，由于C#的垃圾处理机制，不翻译了]

必要函数介绍完了，下面是完成目标的代码，很简单，一些没说到的写在了注释里

SpVoiceClass svc = new SpVoiceClass();

private void button1_Click(object sender, EventArgs e) {

svc.Volume = trackBarVolume.Value;

svc.Rate = trackBarRate.Value;

svc.Voice = svc.GetVoices(string.Empty,

string.Empty).Item(comboBoxLanguage.SelectedIndex);

svc.Speak(textBox1.Text,

SpeechVoiceSpeakFlags.SVSFDefault);

}

private void Form1_Shown(object sender, EventArgs e)

{

trackBarRate.Minimum = -10;

trackBarRate.Maximum = 10;

trackBarRate.Value = svc.Rate;//Rate取值 -10 10

trackBarVolume.Maximum = 100;

trackBarVolume.Value = svc.Volume;//Volume取值 0100

ISpeechObjectTokens sots = svc.GetVoices(String.Empty,