windows下使用Microsoft Speech SDK开发包做语音识别

最新推荐文章于 2025-05-30 16:28:52 发布

转载最新推荐文章于 2025-05-30 16:28:52 发布 · 2.9k 阅读

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

本文介绍了在VS环境下开发语音程序的详细步骤。包括下载开发包、安装SDK、配置环境，给出了简单语音播报程序示例及错误解决方法。还提供了文字转语音和语音转文字的代码，涉及头文件添加、变量定义、初始化函数、消息处理函数等，以及语法文件修改。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.youkuaiyun.com/marleylee/article/details/77116609

需要配置：vs/VC++6.0 博主安装的是VS2013

一、下载开发包

官网地址：http://www.microsoft.com/en-us/download/details.aspx?id=10121

下载三个关键的程序：SpeechSDK51.exe 、 msttss22L.exe、SpeechSDK51LangPack.exe

二、安装SDK

解压SpeechSDK51.exe 、SpeechSDK51LangPack.exe，分别安装，记住SpeechSDK51.exe安装目录，博主安装在了默认路径下；安装msttss22L.exe

三、配置环境（以VS为例）

在应用SDK的开发前当然得需要对工程环境进行配置，配置的过程如下:

属性–配置属性–C/C++–常规–附加包含目录，添加一项C:\Program Files\Microsoft Speech SDK 5.1\Include到目录中去。

再选择"库目录"项，添加一项C:\Program Files\Microsoft Speech SDK 5.1\Lib\i386到目录中去.

四、新建一个Win32 console Application工程

添加一个cpp源文件

一个简单的语音播报程序：

#include <sphelper.h>//语音头文件
#include <iostream>//C++头文件，用来提示错误信息

int main()
{
    ::CoInitialize(NULL);//初始化语音环境
    ISpVoice * pSpVoice = NULL;//初始化语音变量
    if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL,CLSCTX_INPROC_SERVER, IID_ISpVoice, (void **)&pSpVoice)))

//给语音变量创建环境，相当于创建语音变量，FAILED是个宏定义，就是来判断CoCreateInstance这个函数又没有成功创建语音变量，下面是不成功的提示信息。

{
 std::cout << "Failed to create instance of ISpVoice!" << std::endl;
 return -1;
 }

pSpVoice->Speak(L"Hello World!", SPF_DEFAULT, NULL);//执行语音变量的Speek函数，这个函数用来读文字。

pSpVoice->Release(); //释放语音变量
::CoUninitialize();//释放语音环境

return 0;
}

出现问题：error C4996: ‘GetVersionExW': 被声明为已否决

解决方法:

方法一. Project Properties > Configuration Properties > C/C++ > General > SDL checks关掉

方法二. #pragma warning(disable: 4996)

方法三. /wd 4996

五、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
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
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
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
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
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
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
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>
参考资料：

http://jingyan.baidu.com/article/fb48e8be58421c6e622e14af.html

http://blog.youkuaiyun.com/pamchen/article/details/7856207

http://blog.youkuaiyun.com/michaelliang12/article/details/51317531
---------------------
作者：marleylee
来源：优快云
原文：https://blog.youkuaiyun.com/marleylee/article/details/77116609
版权声明：本文为博主原创文章，转载请附上博文链接！