C++语音识别接口快速入门（Microsoft Speech SDK）

最新推荐文章于 2019-05-06 19:19:25 发布

active2489595970

最新推荐文章于 2019-05-06 19:19:25 发布

阅读量1.8k

点赞数 4

分类专栏： visual studio2010的开发 VC++

visual studio2010的开发同时被 2 个专栏收录

73 篇文章

订阅专栏

VC++

39 篇文章

订阅专栏

https://blog.youkuaiyun.com/michaelliang12/article/details/51317531#c语音识别接口快速入门microsoft-speech-sdk

C++语音识别接口快速入门（Microsoft Speech SDK）
最近毕业设计用到了微软的C++语音识别接口，查找了很多资料，也碰到了很多问题，走了很多弯路。现在把我自己的经验写下来，一是提升自己，二是回报社会。希望大家看了这篇blog之后，5min就学会C++语音识别接口的实现。（采用的平台为win8+VS2013）

目录
C语音识别接口快速入门Microsoft Speech SDK
目录
一安装SDK
二新建工程配置环境
三语音识别代码
1文字转语音
2语音转文字
源代码下载
参考网站
一、安装SDK
安装MicrosoftSpeechPlatformSDK.msi，默认路径安装即可。
下载路径：
http://download.youkuaiyun.com/detail/michaelliang12/9510691

二、新建工程，配置环境
设置：
1，属性–配置属性–C/C++–常规–附加包含目录：C:\Program Files\Microsoft SDKs\Speech\v11.0\Include（具体路径与安装路径有关）
2，属性–配置属性–链接器–输入–附加依赖项：sapi.lib;

三、语音识别代码
语音识别接口可分为文字转语音和语音转文字

1、文字转语音
需要添加的头文件：

#include <sapi.h> //导入语音头文件
#pragma comment(lib,"sapi.lib") //导入语音头文件库
1
2
3
函数：

void CBodyBasics::MSSSpeak(LPCTSTR speakContent)// speakContent为LPCTSTR型的字符串,调用此函数即可将文字转为语音
{
ISpVoice *pVoice = NULL;

//初始化COM接口

if (FAILED(::CoInitialize(NULL)))
MessageBox(NULL, (LPCWSTR)L"COM接口初始化失败！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);

//获取SpVoice接口

HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void**)&pVoice);

if (SUCCEEDED(hr))
{
pVoice->SetVolume((USHORT)100); //设置音量，范围是 0 -100
pVoice->SetRate(2); //设置速度，范围是 -10 - 10
hr = pVoice->Speak(speakContent, 0, NULL);

pVoice->Release();

pVoice = NULL;
}

//释放com资源
::CoUninitialize();
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
2、语音转文字
这个稍微麻烦一点，因为需要实时监控麦克风，涉及到windows的消息机制。
（1）首先设置工程属性：
属性–配置属性–C/C++–预处理器–预处理器定义：_WIN32_DCOM;

（2）需要添加的头文件：

#include <sapi.h> //导入语音头文件
#pragma comment(lib,"sapi.lib") //导入语音头文件库
#include <sphelper.h>//语音识别头文件
#include <atlstr.h>//要用到CString

#pragma once
const int WM_RECORD = WM_USER + 100;//定义消息
1
2
3
4
5
6
7
（3）在程序的.h头文件中定义变量

//定义变量
CComPtr<ISpRecognizer>m_cpRecoEngine;// 语音识别引擎(recognition)的接口。
CComPtr<ISpRecoContext>m_cpRecoCtxt;// 识别引擎上下文(context)的接口。
CComPtr<ISpRecoGrammar>m_cpCmdGrammar;// 识别文法(grammar)的接口。
CComPtr<ISpStream>m_cpInputStream;// 流()的接口。
CComPtr<ISpObjectToken>m_cpToken;// 语音特征的(token)接口。
CComPtr<ISpAudio>m_cpAudio;// 音频(Audio)的接口。(用来保存原来默认的输入流)
ULONGLONG ullGrammerID;
1
2
3
4
5
6
7
8
9
（4）创建语音识别初始化函数（程序刚开始执行的时候调用，例如文末示例代码中，将此初始化函数放在对话框初始化消息WM_INITDIALOG的响应代码里）

//语音识别初始化函数
void CBodyBasics::MSSListen()
{

//初始化COM接口

if (FAILED(::CoInitialize(NULL)))
MessageBox(NULL, (LPCWSTR)L"COM接口初始化失败！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);

HRESULT hr = m_cpRecoEngine.CoCreateInstance(CLSID_SpSharedRecognizer);//创建Share型识别引擎
if (SUCCEEDED(hr))
{

hr = m_cpRecoEngine->CreateRecoContext(&m_cpRecoCtxt);//创建识别上下文接口

hr = m_cpRecoCtxt->SetNotifyWindowMessage(m_hWnd, WM_RECORD, 0, 0);//设置识别消息

const ULONGLONG ullInterest = SPFEI(SPEI_SOUND_START) | SPFEI(SPEI_SOUND_END) | SPFEI(SPEI_RECOGNITION);//设置我们感兴趣的事件
hr = m_cpRecoCtxt->SetInterest(ullInterest, ullInterest);

hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, &m_cpAudio);
m_cpRecoEngine->SetInput(m_cpAudio, true);

//创建语法规则
//dictation听说式
//hr = m_cpRecoCtxt->CreateGrammar(GIDDICTATION, &m_cpDictationGrammar);
//if (SUCCEEDED(hr))
//{
// hr = m_cpDictationGrammar->LoadDictation(NULL, SPLO_STATIC);//加载词典
//}

//C&C命令式，此时语法文件使用xml格式
ullGrammerID = 1000;
hr = m_cpRecoCtxt->CreateGrammar(ullGrammerID, &m_cpCmdGrammar);

WCHAR wszXMLFile[20] = L"";//加载语法
MultiByteToWideChar(CP_ACP, 0, (LPCSTR)"CmdCtrl.xml", -1, wszXMLFile, 256);//ANSI转UNINCODE
hr = m_cpCmdGrammar->LoadCmdFromFile(wszXMLFile, SPLO_DYNAMIC);

//MessageBox(NULL, (LPCWSTR)L"语音识别已启动！", (LPCWSTR)L"提示", MB_CANCELTRYCONTINUE );
//激活语法进行识别
//hr = m_cpDictationGrammar->SetDictationState(SPRS_ACTIVE);//dictation
hr = m_cpCmdGrammar->SetRuleState(NULL, NULL, SPRS_ACTIVE);//C&C
hr = m_cpRecoEngine->SetRecoState(SPRST_ACTIVE);

}

else
{
MessageBox(NULL, (LPCWSTR)L"语音识别引擎启动出错！", (LPCWSTR)L"警告", MB_OK);
exit(0);
}

//释放com资源
::CoUninitialize();
//hr = m_cpCmdGrammar->SetRuleState(NULL, NULL, SPRS_INACTIVE);//C&C

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
（5）定义消息处理函数
需要和其他的消息处理代码放在一起，如本文代码中，放在文末示例代码的DlgProc()函数尾部。本文整个其他的代码块都可以直接照搬，只需要更改如下的消息反应模块即可

//消息处理函数
USES_CONVERSION;
CSpEvent event;

if (m_cpRecoCtxt)
{
while (event.GetFrom(m_cpRecoCtxt) == S_OK){

switch (event.eEventId)
{
case SPEI_RECOGNITION:
{
//识别出了语音
m_bGotReco = TRUE;

static const WCHAR wszUnrecognized[] = L"<Unrecognized>";

CSpDynamicString dstrText;

取得识别结果
if (FAILED(event.RecoResult()->GetText(SP_GETWHOLEPHRASE, SP_GETWHOLEPHRASE, TRUE, &dstrText, NULL)))
{
dstrText = wszUnrecognized;
}

BSTR SRout;
dstrText.CopyToBSTR(&SRout);
CString Recstring;
Recstring.Empty();
Recstring = SRout;

//做出反应（*****消息反应模块*****）
if (Recstring == "发短信")
{
//MessageBox(NULL, (LPCWSTR)L"好的", (LPCWSTR)L"提示", MB_OK);
MSSSpeak(LPCTSTR(_T("好，马上发短信！")));

}

else if (Recstring == "李雷")
{
MSSSpeak(LPCTSTR(_T("好久没看见他了，真是 long time no see")));
}

}
break;
}
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
（6）修改语法文件
修改CmdCtrl.xml文件，可以提高某些词汇的识别度，对里面的词识别效果会很好多，如人名等。（此外，单独运行exe时也需要将此文件和exe放在同一文件夹内，不放也不会报错，只是语法文件里的词汇识别效果变差）

<?xml version="1.0" encoding="utf-8"?>
<GRAMMAR LANGID="804">
<DEFINE>
<ID NAME="VID_SubName1" VAL="4001"/>
<ID NAME="VID_SubName2" VAL="4002"/>
<ID NAME="VID_SubName3" VAL="4003"/>
<ID NAME="VID_SubName4" VAL="4004"/>
<ID NAME="VID_SubName5" VAL="4005"/>
<ID NAME="VID_SubName6" VAL="4006"/>
<ID NAME="VID_SubName7" VAL="4007"/>
<ID NAME="VID_SubName8" VAL="4008"/>
<ID NAME="VID_SubName9" VAL="4009"/>
<ID NAME="VID_SubNameRule" VAL="3001"/>
<ID NAME="VID_TopLevelRule" VAL="3000"/>
</DEFINE>
<RULE ID="VID_TopLevelRule" TOPLEVEL="ACTIVE">
<O>
<L>
我要
运行
执行
</L>
</O>
<RULEREF REFID="VID_SubNameRule" />
</RULE>
<RULE ID="VID_SubNameRule" >
<L PROPID="VID_SubNameRule">
发短信
是的
好的
不用
李雷
韩梅梅
中文界面
英文界面
English

</L>
</RULE>
</GRAMMAR>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
源代码下载
注意，本代码是在原来的项目中截取出来的，但可以独立运行。
Microsoft Speech SDK 安装包下载：
http://download.youkuaiyun.com/detail/michaelliang12/9510691
文中示例程序下载（之前下载分数太高，我已经重新上传了新版本，也解决了kincect20.lib报错的问题。由于自己经常在csdn上下东西，也需要积分，需要还是需要各位捧场，2积分。。）：
http://download.youkuaiyun.com/detail/michaelliang12/9766783

存在的bug：每次运行完程序，Windows的语音识别助手不会自动关闭，需要自己手动关闭。若不关闭，则下次启动程序可能会出错。大家如果有好的解决办法，请联系我，谢了！

参考网站
1，http://www.cnblogs.com/eping/archive/2010/05/23/1742201.html
2，http://blog.youkuaiyun.com/pamchen/article/details/7856207
3，http://blog.youkuaiyun.com/jmxiaocai/article/details/7036033
4，http://blog.youkuaiyun.com/buaalei/article/details/5372544（主要参考）
5，http://blog.youkuaiyun.com/itcastcpp/article/details/5313204
6，http://blog.youkuaiyun.com/artemisrj/article/details/8723095（MFC的消息处理响应版本）
---------------------
作者：Michael__优快云
来源：优快云
原文：https://blog.youkuaiyun.com/michaelliang12/article/details/51317531
版权声明：本文为博主原创文章，转载请附上博文链接！