本文主要介紹如何使用微軟TTS語音引擎實現文本朗讀，以及生成wav格式的聲音文件。
1.語音引擎及語音庫的安裝
TTS（Text-To-Speech）是指文本語音的簡稱,即通過TTS引擎把文本轉化爲語音輸出。
微軟TTS語音引擎提供了Windows Speech SDK開發包供編程者使用。Windows Speech SDK包含語音合成SS引擎和語音識別SR引擎兩種，語音合成引擎用於將文字轉換成語音輸出，語音識別引擎用於識別語音命令。
Windows Speech SDK可以在微軟的官網上免費下載，下載地址爲：http://www.microsoft.com/download/en/details.aspx?id=10121
在該下載界面中，選擇下載SpeechSDK51.exe、SpeechSDK51LangPach.exe和sapi.chm 即可。其中，SpeechSDK51.exe是簡體中文語音引擎，SpeechSDK51LangPach.exe是中文男生語音庫，sapi.chm是SAPI（The Microsoft Speech API）幫助文檔。
下載完成後，先安裝語音引擎SpeechSDK51.exe，再安裝中文語音庫SpeechSDK51LangPach.exe。安裝完成後，可以依次點擊【開始】/【控制面板】/【語言】打開圖1所示的語言屬性對話框。在該對話框的“文字-語音轉換”標籤頁下的“語音選擇”中能夠看到當前系統安裝的全部可用的語音庫。
圖1 語言屬性對話框
2.ISpVoice接口的成員函數
文本朗讀的功能主要是通過使用ISpVoice接口的成員函數來實現的。該接口的常用成員函數有如下一些：
(1)HRESULT Speak(LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber); //朗讀文本
(2)HRESULT Pause ( void); //暫停朗讀
(3)HRESULT Resume ( void); //恢復朗讀
(4)HRESULT SetRate( long RateAdjust); //設置朗讀速度（取值範圍：-10到10）
(5)HRESULT GetRate(long *pRateAdjust); //獲取朗讀速度
(6)HRESULT SetVoice(ISpObjectToken *pToken); //設置使用的語音庫
(7)HRESULT GetVoice(ISpObjectToken** ppToken); //獲取語音庫
(8)HRESULT SetVolume(USHORT usVolume); //設置音量（取值範圍：0到100）
(9)HRESULT GetVolume(USHORT *pusVolume); //獲取音量
(10)HRESULT SetOutput(IUnknown *pUnkOutput,BOOL fAllowFormatChanges); //設置輸出
(11)HRESULT SpeakStream(IStream *pStream, DWORD dwFlags, ULONG *pulStreamNumber); //朗讀wav數據流
3.編程實例
瞭解了以上一些ISpVoice接口的成員函數之後，我們就可以開始編寫程序來實現文本朗讀，以及生成wav格式聲音文件的功能了。
3.1環境配置
首先，我們需要將Windows Speech SDK開發包的頭文件和庫文件所在路徑添加到編譯器中，具體方法如下（這裏以VC++6.0爲例）：
依次點擊【工具】/【選項】，打開選項對話框，選擇【目錄】標籤，在【路徑】中加入“C:\Program Files\Microsoft Speech SDK 5.1\Include”和“C:\Program Files\Microsoft Speech SDK 5.1\Lib\i386”。如圖2所示。
圖2 選項對話框
其次，還需要在工程中包含TTS語音引擎頭文件和庫文件，具體如下：
1 #include <sapi.h> //包含TTS語音引擎頭文件和庫文件 2 #include <sphelper.h> 3 #pragma comment(lib, "sapi.lib")
3.2枚舉語音庫
枚舉語音庫需要使用到SpEnumTokens()函數，該函數原型如下：
1 inline HRESULT SpEnumTokens( 2 const WCHAR *pszCategoryId, 3 const WCHAR *pszReqAttribs, 4 const WCHAR *pszOptAttribs, 5 IEnumSpObjectTokens **ppEnum 6 );
其中，參數ppEnum是IEnumSpObjectTokens類型的指針，用於存儲枚舉得到的所有語音Token。IEnumSpObjectTokens的成員函數GetCount()用於得到語音Token的總個數，而成員函數Item()則用於得到具體的某一個語音Token。
如下的代碼示例如何枚舉得到的所有語音Token，並將得到的語音庫的名字添加到下拉組合框控件中，具體實現如下：
1 /* 2 * 函數功能 : 初始化語言包選擇組合框控件 3 * 備 注 : 4 * 作 者 : 博客園 依舊淡然 5 */ 6 void CTTSDemoDlg::InitVoicePackageSelComboxCtrl() 7 { 8 //初始化COM組件 9 if(FAILED(::CoInitialize(NULL))) 10 { 11 MessageBox("初始化COM組件失敗!", "提示", MB_OK|MB_ICONWARNING); 12 return; 13 } 14 15 //枚舉所有語音Token 16 if(SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &m_pIEnumSpObjectTokens))) 17 { 18 //得到所有語音Token的個數 19 ULONG ulTokensNumber = 0; 20 m_pIEnumSpObjectTokens->GetCount(&ulTokensNumber); 21 22 //檢測該機器是否安裝有語音包 23 if(ulTokensNumber == 0) 24 { 25 MessageBox("該機器沒有安裝語音包!", "提示", MB_OK|MB_ICONWARNING); 26 return; 27 } 28 29 //將語音包的名字加入組合框控件 30 CString strVoicePackageName = _T(""); 31 CString strTokenPrefixText = _T("HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Speech\\Voices\\Tokens\\"); 32 for(ULONG i=0; i<ulTokensNumber; i++) 33 { 34 m_pIEnumSpObjectTokens->Item(i, &m_pISpObjectToken); 35 WCHAR* pChar; 36 m_pISpObjectToken->GetId(&pChar); 37 strVoicePackageName = pChar; 38 strVoicePackageName.Delete(0, strTokenPrefixText.GetLength()); 39 m_ComboxVoiceSel.InsertString(i, strVoicePackageName); 40 } 41 42 //設置默認的語音包選擇 43 m_ComboxVoiceSel.SetCurSel(0); 44 } 45 }
通過以上的代碼可以看到，首先，我們通過調用CoInitialize()函數完成了對COM組件的初始化。然後，我們調用SpEnumTokens()函數得到了m_pIEnumSpObjectTokens對象，該對象存儲了枚舉得到的所有語音Token。緊接着，我們調用GetCount()函數得到個數，並調用Item()函數得到具體的每一個語音Token對象m_pISpObjectToken。最後，我們通過調用m_pISpObjectToken對象的GetId()函數便能得到具體的某一個Token對象的ID，其形式爲“HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens\XXXXX”，去掉其前綴便能得到具體的語音庫的名字了。
該實例運行效果如圖3所示，點擊“語音包選擇”組合框下拉箭頭，能夠看到與圖1中列出的語音包是一致的。
圖3 TTS示例運行效果
3.3文本朗讀
點擊圖3所示界面中的“開始朗讀”按鈕，能夠根據當前所選擇的語音包以及設定的語速和音量，對朗讀內容編輯框中的內容進行朗讀。其具體實現方法如下：
1 /* 2 * 函數功能 : 點擊"開始朗讀"按鈕時，該函數被調用 3 * 備 注 : 4 * 作 者 : 博客園 依舊淡然 5 */ 6 void CTTSDemoDlg::OnButtonStartRead() 7 { 8 UpdateData(true); 9 10 //獲取ISpVoice接口 11 if(FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&m_pISpVoice))) 12 { 13 MessageBox("獲取ISpVoice接口失敗!", "提示", MB_OK|MB_ICONWARNING); 14 return; 15 } 16 17 //設置語言 18 m_pIEnumSpObjectTokens->Item(m_ComboxVoiceSel.GetCurSel(), &m_pISpObjectToken); 19 m_pISpVoice->SetVoice(m_pISpObjectToken); 20 21 //設置播放速度 22 m_pISpVoice->SetRate(m_SliderVoiceSpeed.GetPos() - 10); 23 24 //設置音量大小 25 m_pISpVoice->SetVolume(100 - m_SliderVoiceSize.GetPos()); 26 27 //檢測朗讀內容是否爲空 28 if(m_EditContent.IsEmpty()) 29 { 30 MessageBox("朗讀內容不能爲空!", "提示", MB_OK|MB_ICONWARNING); 31 return; 32 } 33 34 //開始進行朗讀 35 m_pISpVoice->Speak(m_EditContent.AllocSysString(), SPF_ASYNC, NULL); 36 }
在以上代碼中可以看到，使用了ISpVoice接口函數來完成語音庫的選擇、語速和音量大小的設定，以及通過調用Speak()函數進行文本朗讀。
3.4生成WAV格式的聲音文件
要將文本朗讀的聲音保存爲WAV格式的聲音文件，主要是通過調用ISpVoice接口函數GetOutputStream()和SetOutput()來實現的。
以下的代碼段給出了實現該功能的示例：
1 //生成WAV文件 2 CComPtr<ISpStream> cpISpStream; 3 CComPtr<ISpStreamFormat> cpISpStreamFormat; 4 CSpStreamFormat spStreamFormat; 5 m_pISpVoice->GetOutputStream(&cpISpStreamFormat); 6 spStreamFormat.AssignFormat(cpISpStreamFormat); 7 HRESULT hResult = SPBindToFile("C:\\Documents and Settings\\Administrator\\桌面\\TEST\\test.wav", 8 SPFM_CREATE_ALWAYS, 9 &cpISpStream, 10 &spStreamFormat.FormatId(), 11 spStreamFormat.WaveFormatExPtr()); 12 if(SUCCEEDED(hResult)) 13 { 14 m_pISpVoice->SetOutput(cpISpStream, TRUE); 15 m_pISpVoice->Speak(m_EditContent.AllocSysString(), SPF_DEFAULT, NULL); 16 MessageBox("生成WAV文件成功!", "提示", MB_OK); 17 } 18 else 19 { 20 MessageBox("生成WAV文件失敗!", "提示", MB_OK|MB_ICONWARNING); 21 }