文本语音转换入门

IspVoice接口主要函数

上述程序的流程是获取IspVoice接口，然后用ISpVoice::Speak（）把文本输出为语音，可见，程序的核心就是IspVoice接口。除了Speak外IspVoice接口还有许多成员函数，具体用法请参考SDK的文档。下面择要说一下几个主要函数的用法：

HRESULT Speak(const WCHAR *pwcs,DWORD dwFlags,ULONG *pulStreamNumber);

功能：就是speak了
参数：
*pwcs 输入的文本字符串，必需为Unicode，如果是ansi字符串必需先转换为Unicode。
dwFlags 用来标志Speak的方式，其中SPF_IS_XML 表示输入文本含有XML标签，这个下文会讲到。
PulStreamNumber 输出，用来获取去当前文本输入的等候播放队列的位置，只有在异步模式才有用。
HRESULT Pause ( void );
HRESULT Resume ( void );
功能：一看就知道了。
HRESULT SetRate(long RateAdjust );
HRESULT GetRate(long *pRateAdjust);
功能：设置/获取播放速度，范围：-10 to 10

HRESULT SetVolume(USHORT usVolume);
HRESULT GetVolume(USHORT *pusVolume);
功能：设置/获取播放音量，范围：0 to 100

HRESULT SetSyncSpeakTimeout(ULONG msTimeout);
HRESULT GetSyncSpeakTimeout(ULONG *pmsTimeout);
功能：设置/获取同步超时时间。由于在同步模式中，电泳Speak后程序就会进入阻塞状态等待Speak返回，为免程序长时间没相应，应该设置超时时间，
　　 msTimeout单位为毫秒。

HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges);
功能：设置输出，下文会讲到用SetOutput把Speak输出问WAV文件。

这些函数的返回类型都是HRESULT，如果成功则返回S_OK，错误有各自不同的错误码。

使用XML

个人认为这个TTS api功能最强大之处在于能够分析XML标签，通过XML标签设置音量、音调、延长、停顿，几乎可以使输出达到自然语音效果。前面已经提过，把Speak参数dwFlags设为SPF_IS_XML,TTS引擎就会分析XML文本，输入文本并不需要严格遵守W3C的标准，只要含有XML标签就行了，下面举个例子：

……
pVoice->Speak(L"<VOICE REQUIRED=''NAME=Microsoft Mary''/>volume<VOLUME LEVEL=''100''>turn up</VOLUME>", SPF_IS_XML, NULL);
……
<VOICE REQUIRED=''NAME=Microsoft Mary''/>

标签把声音设为Microsoft Mary，英文版SDK中一共含有3种声音，另外两种是Microsoft Sam和Microsoft Mike。

……
<VOLUME LEVEL=''100''>

把音量设为100，音量范围是0～100。

另外：标志音调（-10～10）：

<PITCH MIDDLE="10">text</PITCH>

注意：" 号在C/C++中前面要加 \ ，否则会出错。 标志语速（-10～10）：

<RATE SPEED="-10">text</RATE>

逐个字母读：

<SPELL>text</SPELL>

强调：

<EMPH>text</EMPH>

停顿200毫秒（最长为65,536毫秒）：

<SILENCE MSEC="200" />