在.net中使用语音识别和语音合成技术

在.net中使用语音识别和语音合成技术，需要借助微软的Speech SDK，如果是要在Web应用程序中使用，则需要Speech Application SDK。其中Speech SDK可以在http://www.microsoft.com/speech/download/sdk51/下载，其中有两个文件Speech SDK 5.1和5.1 Language Pack，前者是开发包，但是其中只包含对英文的支持，后者是中文和日文的语言包，装完就能支持中文了。

      SDK组成结构

       

     演练

1.         打开vs2005，建立一个windows application，在设计窗体中加入一个label,一个richtextbox（用于输入要读的文本），以及一个button。并分别设置的label与button的Text属性。如下图
           

2.         添加必要的引用，项目->添加引用->COM 选择Microsoft Speech Object Library点确定退出。

3.         双击button，为其添加事件。在代码页顶端先添加命名空间，代码如：
             

using  SpeechLib;

4.         button的事件处理程序代码如下。
       

         private   void  button1_Click( object  sender, EventArgs e)
         {
            SpVoiceClass voice = new SpVoiceClass(); 
            voice.Voice = voice.GetVoices(string.Empty, string.Empty).Item(3); //其中3为中文，024为英文
            voice.Speak(richTextBox1.Text,SpeechVoiceSpeakFlags.SVSFDefault);
        }

5.         按F5运行，在空白区域输入文字，点朗读，试试效果吧。

     SpVoiceClass详解

属性	描述
AlertBoundary	取得或设置停顿分界线。
AllowAudioOutputFormatChangesOnNextSet	设置是否允许声音自动调整到合适状态以适应其音频输出。
AudioOutput	.取得或设置当前声音使用的的音频输出对象
AudioOutputStream	取得或设置当前声音使用的的音频输出流对象。
EventInterests	取得或设置当前声音返回的事件类型。
Priority	取得或设置声音的优先级。
Rate	取得或设置阅读的速度。
Status	返回一个ISpeechVoiceStatus 对象用于显示当前阅读和事件的状态
SynchronousSpeakTimeout	取得或设置一个时间间隔，用于标识多久未获得一个输出设备后，一个同步的Speak 和SpeakStream将终止，以毫秒计算。
Voice	取得或设置发音对象。
Volume	取得或设置声音的大小 。

 

方法	描述
DisplayUI	是否在控制面板中展示详细设置。
GetAudioOutputs	返回一个可用的音频输出标记。
GetVoices	返回一个可用的发音对象。
IsUISupported	决定是否能通过控制棉板的音频设置来控制。
Pause	暂停朗读。.
Resume	恢复暂停，继续播放。
Skip	在当前输入的文本流中向前或向后跳一定距离再播放。
Speak	阅读一个字符串。
SpeakCompleteEvent	得到一个朗读完毕的时间句柄
SpeakStream	朗读一个文本流或一个声音文件。
WaitUntilDone	阻塞进程，直到声音播放完毕或者超时。

 介绍了关于语音合成的一些基础知识，就是先 j 建立一个 SpVoiceClass 类的对象，然后调用对象的 GetVoices 方法取的一个发音的对象，但是通过设置该方法的参数只能建立中文发音或是英文发音的对象，而对于中英文混合的文本却没有办法。为解决这个问题，可以对字符串中的每的字符的 ASC 码进行判断，进而分辨传入的字符串是中文还是英文。以下是判断的代码。
  

 1   public   bool  Analyse( string  strSpeak)
 2           {
 3              int iCbeg = 0 ;
 4              int iEbeg = 0 ;
 5              bool IsChina = true ;
 6              for(int i=0;i<strSpeak.Length;i++)
 7              {
 8                   char chr = strSpeak[i] ;
 9                   if (IsChina)
10                   {
11                       if (chr<=122&&chr>=65)
12                       {
13                            int iLen = i - iCbeg ;
14           string strValue = 
15strSpeak.Substring(iCbeg,iLen) ;
16                            SpeakChina(strValue) ;
17                            iEbeg = i ;
18                            IsChina = false ;
19                       }
20                   }
21                   else
22                   {
23                       if (chr>122||chr<65)
24                       {
25                            int iLen = i - iEbeg ;
26                            string strValue = 
27strSpeak.Substring(iEbeg,iLen) ;
28                            this.SpeakEnglishi(strValue) ;
29                            iCbeg = i ;
30                            IsChina = true ;
31                       }
32                   }
33              }
34   return IsChina;
35}

 

对于Speak方法的参数，第一个是一个字符串类型，第二个是一个SpeechVoiceSpeakFlags类型的枚举。当将其设置为SVSFDefault时，则第一个就是要读的文本，若将其设置为SVSFIsFilename时，第一个参数就是所要读的文本的文件名，而不是要读的内容。
 

下面介绍这个类的SpeakStream方法，这个方法有2个参数，第一个是SpeechBaseStream,第二和Speak一样，是一个SpeechVoiceSpeakFlags类型的枚举。SpeechBaseStream是一个接口，继承它的有3个对象，这3个都很相似，先介绍其中之一SpFileStream。SpFileStream有3个比较常用的方法：Read,Seek,Write。其中Read方法可以创建一个*.wav文件，以下代码演示了创建文件的步骤：

SpFileStreamClass fs1  =   new  SpFileStreamClass();
            SpVoiceClass v  =   new  SpVoiceClass();
            fs1.Open(textBox1.Text, SpeechStreamFileMode.SSFMCreateForWrite,  false );
             // textBox1.text是要创建的文件的路径。
            v.AudioOutputStream  =  fs1;
             string [] ss  =   new   string [ 4 ]  { "this", "is", "a", "demo" } ;
             foreach  ( string  s  in  ss)
             {
                v.Speak(s, SpeechVoiceSpeakFlags.SVSFlagsAsync);
            }
            fs1.Close();

 

下面的代码将用于展示Speak与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();