C++調用微軟內建的語音辨識介面快速入門

C++語音辨識介面快速入門（Microsoft Speech SDK）

最近畢業設計用到了微軟的C++語音辨識介面，尋找了很多資料，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之後，5min就學會C++語音辨識介面的實現。（採用的平台為win8+VS2013）

一、安裝SDK

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

二、建立工程，配置環境

設定：
1，屬性–配置屬性–C/C++–常規–附加元件封裝含目錄：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–連結器–輸入–附加依賴項：sapi.lib;

三、語音辨識代碼

語音辨識介面可分為文字轉語音和語音轉文字

1、文字轉語音

需要添加的標頭檔：

#include <sapi.h> //匯入語音標頭檔#pragma comment(lib,"sapi.lib") //匯入語音標頭檔庫

函數：

void  CBodyBasics::MSSSpeak(LPCTSTR speakContent)// speakContent為LPCTSTR型的字串,調用此函數即可將文字轉為語音{    ISpVoice *pVoice = NULL;    //初始化COM介面    if (FAILED(::CoInitialize(NULL)))        MessageBox(NULL, (LPCWSTR)L"COM介面初始化失敗！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);    //擷取SpVoice介面    HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void**)&pVoice);    if (SUCCEEDED(hr))    {        pVoice->SetVolume((USHORT)100); //設定音量，範圍是 0 -100        pVoice->SetRate(2); //設定速度，範圍是 -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，因為需要即時監控麥克風，涉及到windows的訊息機制。
（1）首先設定工程屬性：
屬性–配置屬性–C/C++–前置處理器–前置處理器定義：_WIN32_DCOM;

（2）需要添加的標頭檔：

#include <sapi.h> //匯入語音標頭檔#pragma comment(lib,"sapi.lib") //匯入語音標頭檔庫#include <sphelper.h>//語音辨識標頭檔#include <atlstr.h>//要用到CString#pragma onceconst int WM_RECORD = WM_USER + 100;//定義訊息

（3）在程式的.h標頭檔中定義變數

//定義變數CComPtr<ISpRecognizer>m_cpRecoEngine;// 語音辨識引擎(recognition)的介面。CComPtr<ISpRecoContext>m_cpRecoCtxt;// 識別引擎上下文(context)的介面。CComPtr<ISpRecoGrammar>m_cpCmdGrammar;// 識別文法(grammar)的介面。CComPtr<ISpStream>m_cpInputStream;// 流()的介面。CComPtr<ISpObjectToken>m_cpToken;// 語音特徵的(token)介面。CComPtr<ISpAudio>m_cpAudio;// 音頻(Audio)的介面。(用來儲存原來預設的輸入資料流)ULONGLONG  ullGrammerID;

（4）建立語音辨識初始化函數（程式剛開始執行的時候調用，例如文末範例程式碼中，將此初始化函數放在對話方塊初始化訊息WM_INITDIALOG的響應代碼裡）

//語音辨識初始化函數void  CBodyBasics::MSSListen(){    //初始化COM介面    if (FAILED(::CoInitialize(NULL)))        MessageBox(NULL, (LPCWSTR)L"COM介面初始化失敗！", (LPCWSTR)L"提示", MB_ICONWARNING | MB_CANCELTRYCONTINUE | MB_DEFBUTTON2);    HRESULT hr = m_cpRecoEngine.CoCreateInstance(CLSID_SpSharedRecognizer);//建立Share型識別引擎    if (SUCCEEDED(hr))    {        hr = m_cpRecoEngine->CreateRecoContext(&m_cpRecoCtxt);//建立識別上下文介面        hr = m_cpRecoCtxt->SetNotifyWindowMessage(m_hWnd, WM_RECORD, 0, 0);//設定識別訊息        const ULONGLONG ullInterest = SPFEI(SPEI_SOUND_START) | SPFEI(SPEI_SOUND_END) | SPFEI(SPEI_RECOGNITION);//設定我們感興趣的事件        hr = m_cpRecoCtxt->SetInterest(ullInterest, ullInterest);        hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, &m_cpAudio);        m_cpRecoEngine->SetInput(m_cpAudio, true);        //建立文法規則        //dictation聽說式        //hr = m_cpRecoCtxt->CreateGrammar(GIDDICTATION, &m_cpDictationGrammar);        //if (SUCCEEDED(hr))        //{        //  hr = m_cpDictationGrammar->LoadDictation(NULL, SPLO_STATIC);//載入詞典        //}        //C&C命令式，此時文法檔案使用xml格式        ullGrammerID = 1000;        hr = m_cpRecoCtxt->CreateGrammar(ullGrammerID, &m_cpCmdGrammar);        WCHAR wszXMLFile[20] = L"";//載入文法        MultiByteToWideChar(CP_ACP, 0, (LPCSTR)"CmdCtrl.xml", -1, wszXMLFile, 256);//ANSI轉UNINCODE        hr = m_cpCmdGrammar->LoadCmdFromFile(wszXMLFile, SPLO_DYNAMIC);        //MessageBox(NULL, (LPCWSTR)L"語音辨識已啟動！", (LPCWSTR)L"提示", MB_CANCELTRYCONTINUE );        //啟用文法進行識別        //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"語音辨識引擎啟動出錯！", (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）定義訊息處理函數
需要和其他的訊息處理代碼放在一起，如本文代碼中，放在文末範例程式碼的DlgProc()函數尾部。本文整個其他的代碼塊都可以直接照搬，只需要更改如下的訊息反應模組即可

//訊息處理函數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（*****訊息反應模組*****）                                    if (Recstring == "發簡訊")                                     {                                         //MessageBox(NULL, (LPCWSTR)L"好的", (LPCWSTR)L"提示", MB_OK);                                         MSSSpeak(LPCTSTR(_T("好，馬上發簡訊！")));                                     }                                     else if (Recstring == "李雷")                                     {                                         MSSSpeak(LPCTSTR(_T("好久沒看見他了，真是 long time no see")));                                     }               }                break;            }        }    }

（6）修改文法檔案
修改CmdCtrl.xml檔案，可以提高某些詞彙的識別度，對裡面的詞識別效果會很好多，如人名等。（此外，單獨運行exe時也需要將此檔案和exe放在同一檔案夾內，不放也不會報錯，只是文法檔案裡的詞彙識別效果變差）

<?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">發簡訊</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">中文介面</P>      <P VAL="VID_SubName8">英文介面</P>      <P VAL="VID_SubName9">English</P>    </L>  </RULE></GRAMMAR>