语音合成与识别技术在C#中的应用

【 tulaoshi.com - 编程语言 】

　　在.net中,对英文语音有较好的支持，但是对中文语音的支持还没有加入进来，我们要想实现中文发音或中文语音识别，必需先安装微软的Speech Application SDK（SASDK），它的最新版本是 SAPI 5.1 他能够识别中、日、英三种语言，你可以在这里下载：http://www.microsoft.com/speech/download/sdk51/,需要安装这两个文件Speech SDK 5.1和5.1 Language Pack，其中5.1 Language Pack可以选择安装支持的语言。

　　安装好以后，我们就可以开始进行语音程序的开发了，当然，在这之前我们需要把SAPI.dll通过如下图所示添加到引用中

　　下面我们设计一个能够朗读中英文混合语言的类：

　　我们将用单例模式实现该类，类的代码如下，我们将详细解释：

public class Speach{　private static Speach _Instance = null ;　private SpeechLib.SpVoiceClass voice =null;　private Speach()　{　　BuildSpeach() ;　}public static Speach instance(){　if (_Instance == null)　　_Instance = new Speach() ;　　return _Instance ;}private void SetChinaVoice(){　voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(0) ;}private void SetEnglishVoice(){　voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(1) ;}private void SpeakChina(string strSpeak){　SetChinaVoice() ;　Speak(strSpeak) ;}private void SpeakEnglishi(string strSpeak){　SetEnglishVoice() ;　Speak(strSpeak) ;}public void AnalyseSpeak(string strSpeak){　int iCbeg = 0 ;　int iEbeg = 0 ;　bool IsChina = true ;　for(int i=0;istrSpeak.Length;i++)　{　　char chr = strSpeak[i] ;　　if (IsChina)　　{　　　if (chr=122&&chr=65)　　　{　　　　int iLen = i - iCbeg ;　　　　string strValue = strSpeak.Substring(iCbeg,iLen) ;　　　　SpeakChina(strValue) ;　　　　iEbeg = i ;　　　　IsChina = false ;　　　}　　}　　else　　{　　　if (chr122||chr65)　　　{　　　　int iLen = i - iEbeg ;　　　　string strValue = strSpeak.Substring(iEbeg,iLen) ;　　　　this.SpeakEnglishi(strValue) ;　　　　iCbeg = i ;　　　　IsChina = true ;　　　}　　}　}//end for　if (IsChina)　{　　int iLen = strSpeak.Length - iCbeg ;　　string strValue = strSpeak.Substring(iCbeg,iLen) ;　　SpeakChina(strValue) ;　}　else　{　　int iLen = strSpeak.Length - iEbeg ;　　string strValue = strSpeak.Substring(iEbeg,iLen) ;　　SpeakEnglishi(strValue) ;　}}private void BuildSpeach(){　if (voice == null)　　voice = new SpVoiceClass() ;}public int Volume{　get　{　　return voice.Volume ;　}　set　{　　voice.SetVolume((ushort)(value)) ;　}}public int Rate{　get　{　　return voice.Rate ;　}　set　{　　voice.SetRate(value) ;　}}private void Speak(string strSpeack){　try　{　　voice.Speak(strSpeack,SpeechVoiceSpeakFlags.SVSFlagsAsync) ;　}　catch(Exception err)　{　　throw(new Exception("发生一个错误："+err.Message)) ;　}}public void Stop(){　voice.Speak(string.Empty,SpeechLib.SpeechVoiceSpeakFlags.SVSFPurgeBeforeSpeak) ;}public void Pause(){　voice.Pause() ;}public void Continue(){　voice.Resume() ;}}//end class

　　在 private SpeechLib.SpVoiceClass voice =null;这里，我们定义个一个用来发音的类，并且在第一次调用该类时，对它用BuildSpeach方法进行了初始化。

　　我们还定义了两个属性Volume和Rate，能够设置音量和语速。

　　我们知道，SpVoiceClass 有一个Speak方法，我们发音主要就是给他传递一个字符串，它负责读出该字符串，如下所示。

private void Speak(string strSpeack){ 　try　{　　voice.Speak(strSpeack,SpeechVoiceSpeakFlags.SVSFlagsAsync) ;　}　catch(Exception err)　{　　throw(new Exception("发生一个错误："+err.Message)) ;　}}

　　其中SpeechVoiceSpeakFlags.SVSFlagsAsync表示异步发音。

　　但是，这个方法本身并不知道你给的字符串是什么语言，所以需要我们它这个字符串用什么语言读出。SpVoiceClass 类的Voice 属性就是用来设置语种的，我们可以通过SpVoiceClass 的GetVoices方法得到所有的语种列表，然后在根据参数选择相应的语种，比如设置语种为汉语如下所示：

private void SetChinaVoice(){　voice.Voice = voice.GetVoices(string.Empty,string.Empty).Item(0) ;}

　　0表示是汉用，1234都表示英语，就是口音不同。

　　这样，我们就设置了语种，如果结合发音方法，我们就可以设计出一个只发汉语语音的方法

private void SpeakChina(string strSpeak){　SetChinaVoice() ;　Speak(strSpeak) ;}

　　只发英语语音的方法也是类似的，上面程序里有。

　　对于一段中英文混合的语言，我们让程序读出混合语音的方法就是：编程把这段语言的中英文分开，对于中文调用SpeakChina方法，英文调用SpeakEnglishi方法；至于怎样判断一个字符是英文还是中文，我采用的是判断asc码的方法，具体的类方法是通过AnalyseSpeak实现的。

　　这样，对于一段中英文混合文字，我们只需把它作为参数传递给AnalyseSpeak就可以了，他能够完成中英文的混合发音。

　　当然，对于发音的暂定、继续、停止等操作，上面也给出了简单的方法调用，很容易明白。

　　下面简单介绍一下中文语音识别的方法：

　　先把该语音识别的类源代码贴在下面，然后再做说明：

public class SpRecognition{　private static SpRecognition _Instance = null ;　private SpeechLib.ISpeechRecoGrammar isrg ;　private SpeechLib.SpSharedRecoContextClass ssrContex =null;　private System.Windows.Forms.Control cDisplay ;　private SpRecognition()　{　　ssrContex = new SpSharedRecoContextClass() ;　　isrg = ssrContex.CreateGrammar(1) ;　　SpeechLib._ISpeechRecoContextEvents_RecognitionEventHandler recHandle = new _ISpeechRecoContextEvents_RecognitionEventHandler(ContexRecognition) ;　　ssrContex.Recognition += recHandle ;　}　public void BeginRec(Control tbResult)　{　　isrg.DictationSetState(SpeechRuleState.SGDSActive) ;　　cDisplay = tbResult ;　}　public static SpRecognition instance()　{　　if (_Instance == null)　　　_Instance = new SpRecognition() ;　　　return _Instance ;　}　public void CloseRec()　{　　isrg.DictationSetState(SpeechRuleState.SGDSInactive) ;　}　private void ContexRecognition(int iIndex,object obj,SpeechLib.SpeechRecognitionType type,SpeechLib.ISpeechRecoResult result)　{　　cDisplay.Text += result.PhraseInfo.GetText(0,-1,true) ;　}}

　　我们定义了ssrContex 和isrg为语音识别的上下文和语法，通过设置isrg的DictationSetState方法，我们可以开始或结束识别，在上面的程序中是BeginRec和CloseRec方法。cDisplay 是我们用来输出识别结果的地方，为了能够在大部分控件上都可以显示结果，我用了一个Control 类来定义它。当然，每次语音识别后都会触发ISpeechRecoContextEvents_RecognitionEventHandler 事件，我们定义了一个这样的方法ContexRecognition来响应事件，并且在这个方法里输出识别结果。

　　这样，中文语音处理的一些最基本的问题就有了一个简单的解决方法，当然，这种方法还有很多不完善的地方，希望大家多提出批评意见，共同提高。