C++语音识别接口快速入门（Microsoft Speech SDK）

来源：互联网发布：易语言音效助手源码编辑：程序博客网时间：2024/05/16 00:49

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：
http://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>

源代码下载

注意，本代码是在原来的项目中截取出来的，但可以独立运行。
Microsoft Speech SDK 安装包下载：
http://download.csdn.net/detail/michaelliang12/9510691
文中示例程序下载（之前下载分数太高，我已经重新上传了新版本，也解决了kincect20.lib报错的问题。由于自己经常在csdn上下东西，也需要积分，需要还是需要各位捧场，2积分。。）：
http://download.csdn.net/detail/michaelliang12/9766783

存在的bug：每次运行完程序，Windows的语音识别助手不会自动关闭，需要自己手动关闭。若不关闭，则下次启动程序可能会出错。大家如果有好的解决办法，请联系我，谢了！

参考网站

1，http://www.cnblogs.com/eping/archive/2010/05/23/1742201.html
2，http://blog.csdn.net/pamchen/article/details/7856207
3，http://blog.csdn.net/jmxiaocai/article/details/7036033
4，http://blog.csdn.net/buaalei/article/details/5372544（主要参考）
5，http://blog.csdn.net/itcastcpp/article/details/5313204
6，http://blog.csdn.net/artemisrj/article/details/8723095（MFC的消息处理响应版本）

1 1