C++如何调用微软自带的语音识别接口

本文讲解"C++怎么调用微软自带的语音识别接口",用于解决相关问题。

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>

关于 "C++怎么调用微软自带的语音识别接口" 就介绍到此。希望多多支持编程宝库

本文讲解"C++中 STL list使用方法案例",用于解决相关问题。C++中 STL list详解1、List: 内部实现是一个双向链表,可以高效的进行插入删除,但不能够进行随机访问2.、示例程序: ...