C++ 音声認識インターフェイス (Microsoft Speech SDK) のクイック スタート
私は最近、卒業プロジェクトで Microsoft の C++ 音声認識インターフェイスを使用し、多くの情報を検索し、多くの問題に遭遇し、多くの回り道をしました。 。今、私は自分自身の経験を書き留めています。一つは自分自身を向上させるため、もう一つは社会への恩返しです。このブログを読んで、C++ 音声認識インターフェイスの実装方法を 5 分で習得できることを願っています。 (使用プラットフォームはwin8+VS2013です)
MicrosoftSpeechPlatformSDK.msiをデフォルトのパスにインストールするだけです。
ダウンロード パス:
download.csdn.net/detail/michaelliang12/9510691
設定:
1、プロパティ – 構成プロパティ – C/C++ – 一般 – 追加のインクルード ディレクトリ: C:Program FilesMicrosoft SDKsSpeechv11.0Include (特定のパスはインストール パスに関連しています)
2. プロパティ – 構成プロパティ – リンカー – 入力 – 追加の依存関係: sapi.lib; 3. 音声認識コード
1. 追加する必要があるヘッダーファイル:
#include <sapi.h> //导入语音头文件#pragma comment(lib,"sapi.lib") //导入语音头文件库
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. これは少し面倒ですが、マイクはリアルタイムで監視する必要があり、Windows メッセージ メカニズムが関与するためです。
(1) まずプロジェクトのプロパティを設定します:プロパティ – 構成プロパティ – C/C++ – プリプロセッサ – プリプロセッサ定義: _WIN32_DCOM; (2) 追加する必要があるヘッダー ファイル:
#include <sapi.h> //导入语音头文件#pragma comment(lib,"sapi.lib") //导入语音头文件库#include//语音识别头文件#include //要用到CString#pragma onceconst int WM_RECORD = WM_USER + 100;//定义消息
//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) 音声認識初期化関数を作成します (プログラムの最初の実行開始時に呼び出されます。たとえば、記事の最後にあるサンプル コードでは、この初期化関数を応答コードに置きます)ダイアログ ボックスの初期化メッセージ WM_INITDIALOG)
//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}メッセージ応答モジュール
//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;
}
}
}CmdCtrl.xml ファイルを変更することだけです。これにより、特定のメッセージの認識が向上します。語彙の認識効果が大幅に向上します（人の名前など）。 (なお、exeを単独で実行する場合は、このファイルもexeと同じフォルダに置く必要があります。置かないとエラーにはなりませんが、文法ファイルの語彙認識効果が悪くなります) )
りー以上がC++ は Microsoft 独自の音声認識インターフェイスを呼び出して、すぐに使い始めることができます。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
