轉(zhuǎn)自: http://blog.sina.com.cn/s/blog_4ab4a08d01009uch.html~type=v5_one&label=rela_prevarticle
摘 要：TTS技術(shù)已經(jīng)越來越廣泛地應用到現(xiàn)代計算機的各個領域，本文介紹了利用微軟的Microsoft Speech SDK 5.1提供的TTS（text-to-speech）技術(shù)開發(fā)具有語音朗讀功能的應用程序。
關(guān)鍵字：語音合成；TTS；發(fā)聲引擎
中圖分類號：TN912.33；TP311.52 文獻標識碼：A
Create speech-enableed Apllications with TTS Technology
Abstract: The TTS technology is more and more popular in modern computer, this article introduces How to Create speech-enableed Apllications use the Microsoft Speech SDK 5.1
Key word: Speech Synthesis；TTS；speech Engine
1.TTS技術(shù)概述
上世紀90年代中期以來，隨著個人計算機的硬件和軟件功能越來越強，和現(xiàn)代語音技術(shù)的發(fā)展，以前在科幻電影中才能看到的會說話的電腦已經(jīng)成為現(xiàn)實。而TTS技術(shù)正是電腦能夠說話的關(guān)鍵技術(shù)之一。
TTS是text-to-speech的縮寫，英文也稱Speech Synthesis即語音合成。語音合成就是一個將文本轉(zhuǎn)化為語音輸出的過程,這個過程的工作主要是將輸入的文本按字或詞分解為音素，并且對文本中的數(shù)字、貨幣單位、單詞變形以及標點等要特殊處理的符號進行分析，以及將音素生成數(shù)字音頻然后用揚聲器播放出來或者存為聲音文件以后用多媒體軟件播放。
當應用程序需要發(fā)聲的時候就調(diào)用語音合成引擎（SPEECH SYNTHESIS ENGINE）進行語言合成，將文本處理后通過揚聲器用近似于人的聲音“讀”出來，通常還可以通過改變對語音引擎的設置改變“說話” 的速度，聲音頻率(低沉或者尖銳)，聲音大小，還能模擬口形、唇形和舌位的變化對聲音的影響。面前計算機通過語音合成發(fā)出的聲音效果聽起來就象是錄音磁帶發(fā)出的聲音。
與一些用預先錄制的聲音文件實現(xiàn)發(fā)聲的應用程序相比，TTS的發(fā)聲引擎只有幾兆大小，不需要大量的聲音文件支持，因此可以節(jié)省很大的儲存空間，并且可以朗讀預先未知的任何語句。現(xiàn)在已經(jīng)有許多應用軟件應用TTS技術(shù)實現(xiàn)語音功能，例如一些播音軟件可以用來讀小說或作校對工作，還可以朗讀電子郵件，一些電子詞典可以讀出單詞，還可以用于查詢中心自動播放服務信息等。
2．關(guān)于Microsoft Speech SDK
實現(xiàn)TTS的核心技術(shù)本身是非常復雜的，不是一般開發(fā)人員所能完成的，但是有了Microsoft Speech SDK這樣的工具的幫助，只需要在應用程序中加入一些不太復雜的命令和操作，我們就可以創(chuàng)建具有TTS功能的應用程序了。
國內(nèi)外有許多高科技公司和科研機構(gòu)致力于TTS技術(shù)的開發(fā)和研究，如微軟公司、IBM公司以及國內(nèi)的科大迅飛公司都有較成熟的語音產(chǎn)品，并且任何人都可以獲得微軟公司免費提供的語音軟件開發(fā)工具：Microsoft Speech SDK。
目前的Microsoft Speech SDK已經(jīng)有4.0，5.1等幾個版本，最近還推出了適合網(wǎng)絡語音程序開發(fā)的The Microsoft Speech Application SDK的測試版，這些SDK主要包括語音應用程序編程接口SAPI（SAPI使我們象使用windows API一樣方便地在程序中使用語音功能）和微軟語音識別引擎和微軟語音合成引擎，還提供了進行應用設計的例子。Microsoft Speech SDK 5.1 提供了英文和中文兩種TTS引擎，即可以用它開發(fā)朗讀中文和英文的應用程序，非常適合中國的開發(fā)者使用。
利用這些SDK，開發(fā)人員可以很容易地把TTS技術(shù)集成到應用軟件中，并可以自由發(fā)布。另外Microsoft Speech SDK還提供了詳細的文檔幫助開發(fā)者進行程序開發(fā)。
3．實現(xiàn)TTS的條件準備
利用Microsoft Speech SDK進行TTS語音應用程序開發(fā)前要作一些軟件和硬件的準備：
1) 去http://www.microsoft.com/speech/下載Microsoft Speech SDK 5.1或其它版本SDK，并且安裝到自己的機器上。
2) Microsoft VC++ 6.0 ，service pack 3 或更新的版本。
3) 聲卡和喇叭
4) 要實現(xiàn)該SDK的全部功能，則去http://www.microsoft.com/msdownload/platformsdk下載新的Platform SDK。
另外要注意的是SAPI 5.1不支持windows 95。
4．在應用程序中實現(xiàn)TTS功能
微軟SAPI 5.1實現(xiàn)text-to-speech的核心是對COM接口IspVoice的應用，所以應用TTS技術(shù)最好要了解一下COM編程技術(shù)，但是即使從來沒有用過COM編程，只要按照SDK的示例，也可以順利的實現(xiàn)TTS的功能。
SAPI 的API接口封裝得很好，我們不需要了解任何發(fā)聲引擎底層的工作細節(jié)。例如一旦在程序中創(chuàng)建了一個IspVoice對象，就可以通過調(diào)用ISpVoice::Speak實現(xiàn)文本朗讀，通過調(diào)用ISpVoice::SetRate實現(xiàn)對朗讀速度的控制，以及通過調(diào)用ISpVoice::SetVoice實現(xiàn)對朗讀聲音的不同人物或語言控制（男聲/女生，中文/英文）等。事實上掌握對這個接口的應用就可以實現(xiàn)大多數(shù)TTS的應用。
在下面介紹的程序中，用VC++6.0實現(xiàn)了Text-to-Speech的應用。
（1）創(chuàng)建一個工程
建立一個工程，Projects選項卡中選擇MFC AppWizard (exe)；下一步中選擇Dialog based類型。
（2） 設置SAPI路徑
應用TTS必須用到頭文件sapi.h和sapi.lib，為了能編譯通過必須設置SAPI路徑：
a. 在選中tools菜單中的option子項。
b. 選中Directories選項卡。
c. 選中Show directries for列表框中選中include files項，并在Directories中添加sapi頭文件路徑：例如："C:\Program Files\Microsoft Speech SDK 5.1\Include".
d. 選中Show directries for列表框中選中Library files項，并在Directories中添加sapi LIB文件路徑：例
（3） 設計程序界面
添加如圖所示的編輯框和命令按鈕。
圖2 程序界面
（4） 添加代碼
雙擊speak按鈕，添加朗讀代碼：
void CExe1Dlg::Onspeak()
{
UpdateData();
// 2) SAPI voice
ISpVoice * pVoice = NULL;
// 1）初始化COM
if (FAILED(CoInitialize(NULL)))
{
AfxMessageBox("Error to intiliaze COM");
return;
}
// 2）初始化SAPI
HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL,
CLSCTX_ALL, IID_ISpVoice, (void **)&pVoice);
if( SUCCEEDED( hr ) )
{
// 3）朗讀編輯框中的文字
hr = pVoice->Speak(m_mytext.AllocSysString(), 0, NULL);
//完成發(fā)聲后可以將聲音對象釋放
pVoice->Release();
pVoice = NULL;
}
// 1）與CoInitialize(NULL)成對使用，釋放COM
CoUninitialize();
}
注：m_mytext是編輯框的變量名。
以上的代碼中主要做了幾件TTS最基本的事情：
1) 初始化COM ，因為SAPI是基于COM的應用，使用之前必須首先初始化COM。
2) 創(chuàng)建voice對象，即一個COM對象。
3) 實現(xiàn)朗讀，即調(diào)用speak方法。
另外必須把頭文件sapi.h加到前面：
#include <sapi.h>
編譯通過后就可以運行程序了，在編輯框中輸入一段文字，按speak按鈕，我們就能聽到電腦讀出的令人興奮的聲音了。
Microsoft的TTS引擎提供了4種朗讀文字的聲音，其中三種英文聲音：Mary（女），mike和sam（男）一種中文聲音：simplyfied Chinese。因為默認的TTS引擎是英文發(fā)聲，如果要想朗讀中文或選擇不同的人進行朗讀，可以在朗讀前調(diào)用ISpVoice::SetVoice方法進行聲音的設定，或者在朗讀前雙擊用控制面板中的語音圖標（安裝Microsoft Speech SDK后自動添加的），選擇文字－語音轉(zhuǎn)換選項卡進行默認聲音的設置。
如："C:\Program Files\Microsoft Speech SDK 5.1\Lib\i386".
5．結(jié)束語
SPAI 5.1不僅適合用VC＋＋進行開發(fā)，還可以用VB、c#等進行開發(fā)，具體方法可以參考SDK幫助文檔。結(jié)合windows程序設計的其它技術(shù)，只要取得文本的內(nèi)容，就可以實現(xiàn)對對word、IE、電子郵件等各種文字的朗讀。
本人利用windows API剪貼板操作函數(shù)和模擬鍵盤的方法在朗讀程序中實現(xiàn)了對任意文本內(nèi)容的獲取，包括IE、WORD、PDF等所有可以被鼠標選中的文本。另還外利用中英文內(nèi)碼的不同對所取得的文本進行中英文分析并按不同的語言分段，在朗讀前利用ISpVoice::SetVoice方法進行中文或英文聲音的設定，從而實現(xiàn)了中英文混合文本的朗讀。合成這些方法和技術(shù)實現(xiàn)了一個電腦播音軟件。
此外Microsoft Speech SDK 5.1的語音識別技術(shù)和語音識別引擎功能也很強大，可以用它開發(fā)具有語音識別功能的程序。
參考文獻：
[1] Microsoft Corporation. MSDN Library Microsoft Corporation，2001-10
[2] Microsoft Corporation. Microsoft Speech SDK SAPI 5.1 Microsoft Corporation，2001
[3]Jagadish.G . Using Text to Voice Interfaces [EB/OL]. http://www.codeproject.com/audio/SpeakText.asp, 2002-09
[4]Agus Kurniawan. Simple Program for Text to Speech Using SAPI [EB/OL]. http://www.codeproject.com/audio/speech.asp ,2001-11