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

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>
 <P>我要</P>
 <P>运行</P>
 <P>执行</P>
 </L>
 </O>
 <RULEREF REFID="VID_SubNameRule" />
 </RULE>
 <RULE ID="VID_SubNameRule" >
 <L PROPID="VID_SubNameRule">
 <P VAL="VID_SubName1">发短信</P>
 <P VAL="VID_SubName2">是的</P>
 <P VAL="VID_SubName3">好的</P>
 <P VAL="VID_SubName4">不用</P>
 <P VAL="VID_SubName5">李雷</P>
 <P VAL="VID_SubName6">韩梅梅</P>
 <P VAL="VID_SubName7">中文界面</P>
 <P VAL="VID_SubName8">英文界面</P>
 <P VAL="VID_SubName9">English</P>
 </L>
 </RULE>
</GRAMMAR>

参考资料：

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

http://blog.csdn.net/pamchen/article/details/7856207

http://blog.csdn.net/michaelliang12/article/details/51317531

今天的文章windows下使用Microsoft Speech SDK开发包做语音识别分享到此就结束了，感谢您的阅读。

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/24124.html

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

五、语音识别代码

1、文字转语音

2、语音转文字

相关推荐

发表回复