文本语音转换入门

核心提示：控制发音：<PRON SYM = ''h eh - l ow 1''/>这个标签的功能比较强，重点讲一下：所有的语言发音都是由基本的音素组成，文本语音转换入门(3)，拿中文发音来说，拼音是组成发音的最基本的元素，SR（语音识别）更有趣，有兴趣不妨试试，只要知道汉字的拼音，即使

控制发音：

<PRON SYM = ''h eh - l ow 1''/>

这个标签的功能比较强，重点讲一下：所有的语言发音都是由基本的音素组成，拿中文发音来说，拼音是组成发音的最基本的元素，只要知道汉字的拼音，即使不知道怎么写，我们可知道这个字怎么都，对于TTS引擎来说，它不一定认识所有字，但是你把拼音对应的符号（SYM）给它，它就一定能够读出来，而英语发音则可以用音标表示，''h eh - l ow 1''就是hello这个单词对应的语素。至于发音与符号SYM具体对应关系请看SDK文档中的Phoneme Table。

再另外，数字、日期、时间的读法也有一套规则，SDK中有详细的说明，这里不说了（懒得翻译了），下面随便抛个例子：

<context ID = "date_ ymd">1999.12.21</context>

会读成

"December twenty first nineteen ninety nine"

XML标签可以嵌套使用，但是一定要遵守XML标准。XML标签确实好用，效果也不错，但是……缺点：一个字―――"烦"，如果给一大段文字加标签，简直痛不欲生。

把文本语音输出为WAV文件

#include <sapi.h>
#include <sphelper.h>
#pragma comment(lib,"ole32.lib")
#pragma comment(lib,"sapi.lib")
int main(int argc, char* argv[])
{
　　ISpVoice * pVoice = NULL;
　　if (FAILED(::CoInitialize(NULL)))
　　　　return FALSE;

　　HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL,
　　　　IID_ISpVoice, (void **)&pVoice);
　　if( SUCCEEDED( hr ) )
　　{
　　　　CComPtr<ISpStream>　　　　　　cpWavStream;
　　　　CComPtr<ISpStreamFormat>　　cpOldStream;
　　　　CSpStreamFormat OriginalFmt;
　　　　pVoice->GetOutputStream( &cpOldStream );
　　　　OriginalFmt.AssignFormat(cpOldStream);
　　　　hr = SPBindToFile( L"D:\\output.wav",SPFM_CREATE_ALWAYS,
　　　　　　&cpWavStream,&OriginalFmt.FormatId(),
　　　　　　OriginalFmt.WaveFormatExPtr() );
　　　　if( SUCCEEDED( hr ) )
　　　　{
　　　　　　pVoice->SetOutput(cpWavStream,TRUE);
　　　　　　WCHAR WTX[] = L"<VOICE REQUIRED=''NAME=Microsoft Mary''/>text to wave";
　　　　　　pVoice->Speak(WTX, SPF_IS_XML, NULL);
　　　　　　pVoice->Release();
　　　　　　pVoice = NULL;
　　　　}
　　}

　　::CoUninitialize();
　　return TRUE;
}

SPBindToFile把文件绑定到输出流上，而SetOutput把输出设为绑定文件的流上。

最后

看完本文后，是不是觉得很简单，微软把强大的功能封装的太好了。其实SDK中另外一个API，SR（语音识别）更有趣，有兴趣不妨试试，你会有意外的收获的。

本文配套源码