语音合成与识别技术在C#中的应用

你所在位置：首页〉VS.net〉C#〉C＃编程〉语音合成与识别技术在C#中的应用
语音合成与识别技术在C#中的应用
作者：佚名文章来源：http://www.4oa.com/ 发布日期：2007-11-06 浏览次数：765
打印这篇文章

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;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 (chr>122||chr<65)
　　　 {
　　　　 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。

打印这篇文章
与本文主题相关的文章
- 在ASP.NET程序中实现语音合成