用SAPI实现Speech Recognition（SR） - 听写模式

最新推荐文章于 2020-11-19 01:58:11 发布

转载最新推荐文章于 2020-11-19 01:58:11 发布 · 1.5k 阅读

文章标签：

#SAPI #SR

多媒体 & 视频监控专栏收录该内容

35 篇文章

订阅专栏

本文介绍了一种使用C++和微软的SAPI实现的听写模式语音识别方法。该方法允许用户自由说话，并将语音转换为文本。代码展示了如何设置语音识别引擎、监听语音输入并进行反馈。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘选自：“北极悠蓝”的博客《C++使用SAPI实现语音合成和语音识别的方法和代码》

微软的语音识别,在这里我们简称它为SR(speech recognition),SR分为两种模式的监听：第一种模式：听写模式，即随意输入语音，监听对象将最为接近的字或者词，句反馈出来；第二种模式：命令与控制模式，划定范围监听，制定一组被选项做为监听的，用户的语音输入被反馈成最为接近的一个选项。说得通俗一些：第一种是填空题，第二种是选择题目。
下面是第一种模式的代码：

#include <windows.h>  
#include <sapi.h>  
#include <stdio.h>  
#include <string.h>  
#include <atlbase.h>  
#include "sphelper.h"  

inline HRESULT BlockForResult(ISpRecoContext * pRecoCtxt, ISpRecoResult ** ppResult)
{
    HRESULT hr = S_OK;
    CSpEvent event;
    while (SUCCEEDED(hr) && SUCCEEDED(hr = event.GetFrom(pRecoCtxt)) && hr == S_FALSE)
    {
        hr = pRecoCtxt->WaitForNotifyEvent(INFINITE);
    }
    *ppResult = event.RecoResult();
    if (*ppResult)
    {
        (*ppResult)->AddRef();
    }
    return hr;
}

const WCHAR * StopWord()
{
    const WCHAR * pchStop;
    LANGID LangId = ::SpGetUserDefaultUILanguage();
    switch (LangId)
    {
    case MAKELANGID(LANG_JAPANESE, SUBLANG_DEFAULT):
        pchStop = L"}42N86\0b70e50fc0ea0e70fc/05708504608a087046";;
        break;
    default:
        pchStop = L"Stop";
        break;
    }
    return pchStop;
}

int main(int argc, char* argv[])
{
    HRESULT hr = E_FAIL;
    bool fUseTTS = true;            // turn TTS play back on or off  
    bool fReplay = true;            // turn Audio replay on or off  

    // Process optional arguments  
    if (argc > 1)
    {
        int i;
        for (i = 1; i < argc; i++)
        {
            if (_stricmp(argv[i], "-noTTS") == 0)
            {
                fUseTTS = false;
                continue;
            }
            if (_stricmp(argv[i], "-noReplay") == 0)
            {
                fReplay = false;
                continue;
            }
            printf("Usage: %s [-noTTS] [-noReplay]  ", argv[0]);
            return hr;
        }
    }

    if (SUCCEEDED(hr = ::CoInitialize(NULL)))
    {
        {
            CComPtr<ISpRecoContext> cpRecoCtxt;
            CComPtr<ISpRecoGrammar> cpGrammar;
            CComPtr<ISpVoice> cpVoice;
            hr = cpRecoCtxt.CoCreateInstance(CLSID_SpSharedRecoContext);
            if (SUCCEEDED(hr))
            {
                hr = cpRecoCtxt->GetVoice(&cpVoice);
            }

            if (cpRecoCtxt && cpVoice &&
                SUCCEEDED(hr = cpRecoCtxt->SetNotifyWin32Event()) &&
                SUCCEEDED(hr = cpRecoCtxt->SetInterest(SPFEI(SPEI_RECOGNITION), SPFEI(SPEI_RECOGNITION))) &&
                SUCCEEDED(hr = cpRecoCtxt->SetAudioOptions(SPAO_RETAIN_AUDIO, NULL, NULL)) &&
                SUCCEEDED(hr = cpRecoCtxt->CreateGrammar(0, &cpGrammar)) &&
                SUCCEEDED(hr = cpGrammar->LoadDictation(NULL, SPLO_STATIC)) &&
                SUCCEEDED(hr = cpGrammar->SetDictationState(SPRS_ACTIVE)))
            {
                USES_CONVERSION;
                const WCHAR * const pchStop = StopWord();
                CComPtr<ISpRecoResult> cpResult;
                printf("I will repeat everything you say. Say %s to exit. ", W2A(pchStop));

                while (SUCCEEDED(hr = BlockForResult(cpRecoCtxt, &cpResult)))
                {
                    cpGrammar->SetDictationState(SPRS_INACTIVE);
                    CSpDynamicString dstrText;
                    if (SUCCEEDED(cpResult->GetText(SP_GETWHOLEPHRASE, SP_GETWHOLEPHRASE, TRUE, &dstrText, NULL)))
                    {
                        printf("I heard:  %s ", W2A(dstrText));
                        if (fUseTTS)
                        {
                            cpVoice->Speak(L"I heard", SPF_ASYNC, NULL);
                            cpVoice->Speak(dstrText, SPF_ASYNC, NULL);
                        }
                        if (fReplay)
                        {
                            if (fUseTTS)
                                cpVoice->Speak(L"when you said", SPF_ASYNC, NULL);
                            else
                                printf(" when you said ");
                            cpResult->SpeakAudio(NULL, 0, NULL, NULL);
                        }
                        cpResult.Release();
                    }
                    if (_wcsicmp(dstrText, pchStop) == 0)
                    {
                        break;
                    }
                    cpGrammar->SetDictationState(SPRS_ACTIVE);
                }
            }
        }
        ::CoUninitialize();
    }
    return hr;
}