C++调用微软自带的语音识别接口快速入门
程序员文章站
2022-04-14 09:04:33
...
C++语音识别接口快速入门（Microsoft Speech SDK）
最近毕业设计用到了微软的C++语音识别接口，查找了很多资料，也碰到了很多问题，走了很多弯路。现在把我自己的经验写下来，一是提升自己，二是回报社会。希望大家看了这篇blog之后，5min就学会C++语音识别接口的实现。（采用的平台为win8+VS2013）
一、安装SDK
安装MicrosoftSpeechPlatformSDK.msi，默认路径安装即可。
下载路径：
download.csdn.net/detail/michaelliang12/9510691
二、新建工程，配置环境
设置：
1，属性–配置属性–C/C++–常规–附加包含目录：C:\Program Files\Microsoft SDKs\Speech\v11.0\Include（具体路径与安装路径有关）
2，属性–配置属性–链接器–输入–附加依赖项：sapi.lib;
三、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
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();
}
2、语音转文字
这个稍微麻烦一点，因为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 onceconst int WM_RECORD = WM_USER + 100;//定义消息
（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;
（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}
（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;
}
}
}
（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>
以上就是C++调用微软自带的语音识别接口快速入门的详细内容，更多请关注其它相关文章！