在.net中使用語音識別和語音合成技術

在.net中使用語音識別和語音合成技術，需要藉助微軟的Speech SDK，如果是要在Web應用程序中使用，則需要Speech Application SDK。其中Speech SDK可以在http://www.microsoft.com/speech/download/sdk51/下載，其中有兩個文件Speech SDK 5.1和5.1 Language Pack，前者是開發包，但是其中只包含對英文的支持，後者是中文和日文的語言包，裝完就能支持中文了。

 SDK組成結構

       

     演練

1.         打開vs2005，建立一個windows application，在設計窗體中加入一個label,一個richtextbox（用於輸入要讀的文本），以及一個button。並分別設置的label與button的Text屬性。如下圖
           

2.         添加必要的引用，項目->添加引用->COM選擇Microsoft Speech Object Library點確定退出。

3.         雙擊button，爲其添加事件。在代碼頁頂端先添加命名空間，代碼如

            using SpeechLib;

4.         button的事件處理程序代碼如下。
private void button1_Click(object sender, EventArgs e)

{
　　　　//SpVoiceClass voice = new SpVoiceClass();//SAPI 5.1
           SpVoice voice = new SpVoice();//SAPI 5.4
           voice.Voice = voice.GetVoices(string.Empty, string.Empty).Item(0); //其中3爲中文，024爲英文
           voice.Speak(richTextBox1.Text,SpeechVoiceSpeakFlags.SVSFDefault);

}

 

5.         按F5運行，在空白區域輸入文字，點朗讀，試試效果吧。

     SpVoiceClass詳解

屬性	描述
AlertBoundary	取得或設置停頓分界線。
AllowAudioOutputFormatChangesOnNextSet	設置是否允許聲音自動調整到合適狀態以適應其音頻輸出。
AudioOutput	.取得或設置當前聲音使用的的音頻輸出對象
AudioOutputStream	取得或設置當前聲音使用的的音頻輸出流對象。
EventInterests	取得或設置當前聲音返回的事件類型。
Priority	取得或設置聲音的優先級。
Rate	取得或設置閱讀的速度。
Status	返回一個ISpeechVoiceStatus 對象用於顯示當前閱讀和事件的狀態
SynchronousSpeakTimeout	取得或設置一個時間間隔，用於標識多久未獲得一個輸出設備後，一個同步的Speak 和SpeakStream將終止，以毫秒計算。
Voice	取得或設置發音對象。
Volume	取得或設置聲音的大小 。

 

方法	描述
DisplayUI	是否在控制面板中展示詳細設置。
GetAudioOutputs	返回一個可用的音頻輸出標記。
GetVoices	返回一個可用的發音對象。
IsUISupported	決定是否能通過控制棉板的音頻設置來控制。
Pause	暫停朗讀。.
Resume	恢復暫停，繼續播放。
Skip	在當前輸入的文本流中向前或向後跳一定距離再播放。
Speak	閱讀一個字符串。
SpeakCompleteEvent	得到一個朗讀完畢的時間句柄
SpeakStream	朗讀一個文本流或一個聲音文件。
WaitUntilDone	阻塞進程，直到聲音播放完畢或者超時。

 介紹了關於語音合成的一些基礎知識，就是先j建立一個SpVoiceClass類的對象，然後調用對象的GetVoices方法取的一個發音的對象，但是通過設置該方法的參數只能建立中文發音或是英文發音的對象，而對於中英文混合的文本卻沒有辦法。爲解決這個問題，可以對字符串中的每的字符的ASC碼進行判斷，進而分辨傳入的字符串是中文還是英文。以下是判斷的代碼。

public bool Analyse(string strSpeak)
{
     int iCbeg = 0 ;
     int iEbeg = 0 ;
     bool IsChina = true ;
    for(int i=0;i<strSpeak.Length;i++)
    {
           char chr = strSpeak[i] ;
           if (IsChina)
           {
                    if (chr<=122&&chr>=65)
                   {
                          int iLen = i - iCbeg ;
                          string strValue = 
                          strSpeak.Substring(iCbeg,iLen) ;
                          SpeakChina(strValue) ;
                          iEbeg = i ;
                          IsChina = false ;
                   }
           }
           else
           {
                  if (chr>122||chr<65)
                  {
                        int iLen = i - iEbeg ;
                        string strValue =  strSpeak.Substring(iEbeg,iLen) ;
                        this.SpeakEnglishi(strValue) ;
                        iCbeg = i ;
                        IsChina = true ;
                   }
           }
     }
return IsChina;
}

 

對於Speak方法的參數，第一個是一個字符串類型，第二個是一個SpeechVoiceSpeakFlags類型的枚舉。當將其設置爲SVSFDefault時，則第一個就是要讀的文本，若將其設置爲SVSFIsFilename時，第一個參數就是所要讀的文本的文件名，而不是要讀的內容。
 

下面介紹這個類的SpeakStream方法，這個方法有2個參數，第一個是SpeechBaseStream,第二和Speak一樣，是一個SpeechVoiceSpeakFlags類型的枚舉。SpeechBaseStream是一個接口，繼承它的有3個對象，這3個都很相似，先介紹其中之一SpFileStream。SpFileStream有3個比較常用的方法：Read,Seek,Write。其中Read方法可以創建一個*.wav文件，以下代碼演示了創建文件的步驟：

              SpFileStreamClass fs1 = new SpFileStreamClass();
            SpVoiceClass v = new SpVoiceClass();
            fs1.Open(textBox1.Text, SpeechStreamFileMode.SSFMCreateForWrite, false);

            //textBox1.text是要創建的文件的路徑。
            v.AudioOutputStream = fs1;

              string[] ss = new string[4] { "this", "is", "a", "demo" };

            foreach (string s in ss)
              {
                   v.Speak(s, SpeechVoiceSpeakFlags.SVSFlagsAsync);
              }
            fs1.Close();

 

下面的代碼將用於展示Speak與SpeakStream：

              SpFileStreamClass fs1 = new SpFileStreamClass();
            SpFileStreamClass fs2 = new SpFileStreamClass();
            SpVoiceClass v = new SpVoiceClass();
            fs1.Open(textBox1.Text, SpeechStreamFileMode.SSFMOpenForRead, false);
            fs2.Open(textBox2.Text, SpeechStreamFileMode.SSFMOpenForRead, false);
            v.Speak("This is the first sound file", SpeechVoiceSpeakFlags.SVSFlagsAsync);
            v.SpeakStream(fs1, SpeechVoiceSpeakFlags.SVSFlagsAsync);
            v.Speak("This is the second sound file", SpeechVoiceSpeakFlags.SVSFlagsAsync);
            v.SpeakStream(fs2, SpeechVoiceSpeakFlags.SVSFlagsAsync);
            fs1.Close();
            fs2.Close();