C++如何調用微軟自帶的語音識別接口

這篇文章主要介紹了C++如何調用微軟自帶的語音識別接口，具有一定借鑒價值，需要的朋友可以參考下。希望大家閱讀完這篇文章后大有收獲。下面讓小編帶著大家一起了解一下。

C++語音識別接口快速入門（Microsoft Speech SDK）

最近畢業設計用到了微軟的C++語音識別接口，查找了很多資料，也碰到了很多問題，走了很多彎路。現在把我自己的經驗寫下來，一是提升自己，二是回報社會。希望大家看了這篇blog之后，5min就學會C++語音識別接口的實現。（采用的平臺為win8+VS2013）

一、安裝SDK

安裝MicrosoftSpeechPlatformSDK.msi，默認路徑安裝即可。
下載路徑：
download.csdn.net/detail/michaelliang12/9510691

二、新建工程，配置環境

設置：
1，屬性–配置屬性–C/C++–常規–附加包含目錄：C:\Program Files\Microsoft SDKs\Speech\v11.0\Include（具體路徑與安裝路徑有關）
2，屬性–配置屬性–鏈接器–輸入–附加依賴項：sapi.lib;

三、語音識別代碼

語音識別接口可分為文字轉語音和語音轉文字

1、文字轉語音

需要添加的頭文件：

#include <sapi.h> //導入語音頭文件#pragma comment(lib,"sapi.lib") //導入語音頭文件庫

函數：

void  CBodyBasics::MSSSpeak(LPCTSTR speakContent)// speakContent為LPCTSTR型的字符串,調用此函數即可將文字轉為語音{
    ISpVoice *pVoice = NULL;    //初始化COM接口

    if (FAILED(::CoInitialize(NULL)))
        MessageBox(NULL, (LPCWSTR)L"COM接口初始化失敗！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);    //獲取SpVoice接口

    HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void**)&pVoice);    if (SUCCEEDED(hr))
    {
        pVoice->SetVolume((USHORT)100); //設置音量，范圍是 0 -100
        pVoice->SetRate(2); //設置速度，范圍是 -10 - 10
        hr = pVoice->Speak(speakContent, 0, NULL);

        pVoice->Release();

        pVoice = NULL;
    }    //釋放com資源
    ::CoUninitialize();
}

2、語音轉文字

這個稍微麻煩一點，因為需要實時監控麥克風，涉及到windows的消息機制。
（1）首先設置工程屬性：
屬性–配置屬性–C/C++–預處理器–預處理器定義：_WIN32_DCOM;

（2）需要添加的頭文件：

#include <sapi.h> //導入語音頭文件#pragma comment(lib,"sapi.lib") //導入語音頭文件庫#include <sphelper.h>//語音識別頭文件#include <atlstr.h>//要用到CString#pragma onceconst int WM_RECORD = WM_USER + 100;//定義消息

（3）在程序的.h頭文件中定義變量

//定義變量CComPtr<ISpRecognizer>m_cpRecoEngine;// 語音識別引擎(recognition)的接口。CComPtr<ISpRecoContext>m_cpRecoCtxt;// 識別引擎上下文(context)的接口。CComPtr<ISpRecoGrammar>m_cpCmdGrammar;// 識別文法(grammar)的接口。CComPtr<ISpStream>m_cpInputStream;// 流()的接口。CComPtr<ISpObjectToken>m_cpToken;// 語音特征的(token)接口。CComPtr<ISpAudio>m_cpAudio;// 音頻(Audio)的接口。(用來保存原來默認的輸入流)ULONGLONG  ullGrammerID;

（4）創建語音識別初始化函數（程序剛開始執行的時候調用，例如文末示例代碼中，將此初始化函數放在對話框初始化消息WM_INITDIALOG的響應代碼里）

//語音識別初始化函數void  CBodyBasics::MSSListen()
{    //初始化COM接口

    if (FAILED(::CoInitialize(NULL)))
        MessageBox(NULL, (LPCWSTR)L"COM接口初始化失敗！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);


    HRESULT hr = m_cpRecoEngine.CoCreateInstance(CLSID_SpSharedRecognizer);//創建Share型識別引擎
    if (SUCCEEDED(hr))
    {


        hr = m_cpRecoEngine->CreateRecoContext(&m_cpRecoCtxt);//創建識別上下文接口

        hr = m_cpRecoCtxt->SetNotifyWindowMessage(m_hWnd, WM_RECORD, 0, 0);//設置識別消息

        const ULONGLONG ullInterest = SPFEI(SPEI_SOUND_START) | SPFEI(SPEI_SOUND_END) | SPFEI(SPEI_RECOGNITION);//設置我們感興趣的事件
        hr = m_cpRecoCtxt->SetInterest(ullInterest, ullInterest);

        hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, &m_cpAudio);
        m_cpRecoEngine->SetInput(m_cpAudio, true);        //創建語法規則
        //dictation聽說式
        //hr = m_cpRecoCtxt->CreateGrammar(GIDDICTATION, &m_cpDictationGrammar);
        //if (SUCCEEDED(hr))
        //{
        //  hr = m_cpDictationGrammar->LoadDictation(NULL, SPLO_STATIC);//加載詞典
        //}

        //C&C命令式，此時語法文件使用xml格式
        ullGrammerID = 1000;
        hr = m_cpRecoCtxt->CreateGrammar(ullGrammerID, &m_cpCmdGrammar);

        WCHAR wszXMLFile[20] = L"";//加載語法
        MultiByteToWideChar(CP_ACP, 0, (LPCSTR)"CmdCtrl.xml", -1, wszXMLFile, 256);//ANSI轉UNINCODE
        hr = m_cpCmdGrammar->LoadCmdFromFile(wszXMLFile, SPLO_DYNAMIC);        //MessageBox(NULL, (LPCWSTR)L"語音識別已啟動！", (LPCWSTR)L"提示", MB_CANCELTRYCONTINUE );
        //激活語法進行識別
        //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"語音識別引擎啟動出錯！", (LPCWSTR)L"警告", MB_OK);        exit(0);
    }    //釋放com資源
    ::CoUninitialize();    //hr = m_cpCmdGrammar->SetRuleState(NULL, NULL, SPRS_INACTIVE);//C&C}

（5）定義消息處理函數
需要和其他的消息處理代碼放在一起，如本文代碼中，放在文末示例代碼的DlgProc()函數尾部。本文整個其他的代碼塊都可以直接照搬，只需要更改如下的消息反應模塊即可

//消息處理函數USES_CONVERSION;
    CSpEvent event;    if (m_cpRecoCtxt)
    {        while (event.GetFrom(m_cpRecoCtxt) == S_OK){            switch (event.eEventId)
            {            case SPEI_RECOGNITION:
            {                                     //識別出了語音
                                     m_bGotReco = TRUE; 

                                     static const WCHAR wszUnrecognized[] = L"<Unrecognized>";

                                     CSpDynamicString dstrText;                                     ////取得識別結果 
                                     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;                                    //做出反應（*****消息反應模塊*****）
                                    if (Recstring == "發短信")
                                     {                                         //MessageBox(NULL, (LPCWSTR)L"好的", (LPCWSTR)L"提示", MB_OK);
                                         MSSSpeak(LPCTSTR(_T("好，馬上發短信！")));

                                     }                                     else if (Recstring == "李雷")
                                     {
                                         MSSSpeak(LPCTSTR(_T("好久沒看見他了，真是 long time no see")));
                                     }   

            }                break;
            }
        }
    }

（6）修改語法文件
修改CmdCtrl.xml文件，可以提高某些詞匯的識別度，對里面的詞識別效果會很好多，如人名等。（此外，單獨運行exe時也需要將此文件和exe放在同一文件夾內，不放也不會報錯，只是語法文件里的詞匯識別效果變差）

<?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>運行</P>
        <P>執行</P>
      </L>
    </O>
    <RULEREF REFID="VID_SubNameRule" />
  </RULE>
  <RULE ID="VID_SubNameRule" >
    <L PROPID="VID_SubNameRule">
      <P VAL="VID_SubName1">發短信</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">韓梅梅</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>

感謝你能夠認真閱讀完這篇文章，希望小編分享C++如何調用微軟自帶的語音識別接口內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!