利用MicrosoftSpeechSDK5.1中的text-to-speech（TTS），采用C#作為開發語言，VisualStudio2005作為開發工具，實現了普通中英文混合文本的朗讀，和帶XML標記的文本的朗讀，並且可將朗讀出來的內容保存為文件。關鍵字SpeechSDK，TTS，text-to-speech，朗讀1.TTS概述隨著語音技術的發展，微軟也推出了相應的語音開發工具，即MicrosoftSpeechSDK，這個SDK中包含了語音應用設計接口（SAPI）、微軟的連續語音識別引擎（MCSR）以及微軟的語音合成（TTS）引擎等等。它其中的TTS（text-to-speech）引擎可以用於實現語音合成，我們通過TTS引擎可以分析文本內容並且將其朗讀出。實現TTS技術的方法有很多種，現在主要采用三種：連詞技術、語音合成技術、子字連接技術。目前的5.1版本的SDK壹***可以支持3種語言的識別(英語，漢語和日語)以及2種語言的合成（英語和漢語）。其中還包括對於低層控制和高度適應性的直接語音管理、訓練向導、事件、語法編譯、資源、語音識別(SR)管理以及TTS管理等強大的設計接口。2.實現原理以下是SpeechAPI的總體結構：從圖中我們可以看出語音引擎則通過DDI層（設備驅動接口）和SAPI(SpeechAPI)進行交互，應用程序通過API層和SAPI通信。通過使用這些API，用戶可以快速開發在語音識別或語音合成方面應用程序。應用程序使用ISpVoice接口來控制TTS，通過調用其中的Speak方法可以朗讀出文本內容，通過調用SetVoice/GetVoice方法（在.NET中已經轉變成Voice屬性）來獲取或設置朗讀的語音，而通過調用GetVolume/SetVolume、GetRate/SetRate等方法（在.NET中已經轉變成Volume和Rate屬性）來獲取或設置朗讀的音量和語速。功能強大之處在於TTS能識別XML標記，通過給文本加上XML標記，我們讓TTS朗讀出更加符合語言閱讀習慣的句子。3.軟件的開發3.1.開發環境的搭建由於MicrosoftSpeechSDK是以COM組件的形式提供給我們的，因此在使用.NET開發時必須引入Interop.SpeechLib.dll文件，如圖：在引入DLL文件後，我們就可以通過添加“usingSpeechLib;”引入命名空間，或直接使用SpeechLib前綴來使用SpeechLib空間下的所有類。3.2.二次封裝TTS類我們將使用Singleton設計模式來對TTS進行封裝，首先聲明壹個SpVoice接口，並用SpVoiceClass對象來實例化，這個接口是實現文本朗讀的核心。接著提供用於朗讀文本的方法3.3.實現中英文的混合朗讀如果我們直接調用SpVoice接口中Speak方法來朗讀文本，那麽在朗讀過程中，要麽使用英文朗讀引擎，要麽使用中文朗讀引擎，這樣就只能朗讀純英文文本或純中文文本。要怎樣才能朗讀混合的文本呢？第壹種方法，我們可以在朗讀過程中，根據文本的內容來切換朗讀所用的引擎，即調用SetChinaVoice()和SetEnglishVoice()方法。第二種方法，我們在朗讀文本之前，先分析文本，將屬於英文的句子加上英文語音XML標記，即，將屬於中文的句子加上中文語音XML標記，即。這樣調用SpeakXml方法就可以實現中英文混合朗讀。在這裏我選擇第二種方法，在類中增加靜態方法：AddXmlLangTag，返回添加過標記得文本內容。3.4.界面的實現在打開文件時，可以選擇打開文本文件（*.Txt）和XML文件（*.Xml），如果打開的是XML文件，將不對內容作任何修改，並且也不允許調節音量、語速、語調，因為這些都應該在XML文件中寫好；如果打開的是文本文件，則在朗讀前，會調用AddXmlLangTag方法給文本加上語言標記，調用AddXmlPitchTag方法給文本加上語調標記，同時也允許調節音量、語速、語調。4.總結通過為普通文本內容設置語音XML標記，並調用SpVoice接口的Speak方法，可以實現中英文文本的混合朗讀。如果要使朗讀的效果更佳，就必須手工為每壹個句子設置相應的XML標記，這樣可使朗讀更接近人性化。參考文獻1．MicrosoftSpeechSDK幫助（sapi.chm）2．/speech/default.mspx
上一篇:關於進壹步挖掘達州站運輸組織潛力的思考和建議:四川達州發展潛力大嗎下一篇:Obi編程和代碼編程