Введение

Наверное, уже все слышали о Microsoft Speech API, многие пользовались программами написанными для данной библиотеки и совсем небольшое количество смогли написать свои программы, которые хоть как-то использовали возможности синтеза речи. Почти два года назад я начал изучение возможности библиотеки в области синтеза речи, скачал в сети синтезаторы русской речи компании Lernout&Hauspie и Digalo (для последней мой друзья подогнали лекарство от жадности :). Синтезатор английской речи поставляются в MS Speech API SDK.

MS Speech API предствляет собой набор COM-объектов, взаимодействуя с которыми можно научить свою программу как распознавать, так и синтезировать речь. В данном документе мы будем касаться только синтеза речи.

Хоть во многих умных книжках пишут, что использование технологии COM значительно сокращает время разработки программ, я с этим не согласен. Работать просто, но вот пока разберёшься уйдёт достаточно много времени. Поэтому я решил написать класс, который всю работу с COM объектами будет делать за меня. Класс неоднократно использовался в моих программах с синтезатором русской речи компании Lernout&Hauspie.

Заголовочный файл

Заголовочный файл модуля синтеза речи с помощью MS Speech API:

// 
voicetext.h
//---------------------------------------------------------------------------
// 
2001 Ruslan Popov aka RaD / rad@kmc.ru
//    
Модуль синтеза речи с помощью MS Speech API.

//    Использование модуля 
разрешено только в некоммерческих проектах
//    при 
сохранении данного комментария.
//    Если вы что-то 
добавите в этот класс, пришлите изменения мне.


//---------------------------------------------------------------------------
#ifndef 
VoiceTextH
#define 
VoiceTextH
//---------------------------------------------------------------------------
#include 
<mmsystem.h>
#include <initguid.h>
#include 
<objbase.h>
#include <objerror.h>
#include 
<ole2ver.h>
#include <speech.h>

//---------------------------------------------------------------------------
#include 
<Registry.hpp>                 
// To work with system registry
#include 
<shellapi.h>                   
// To work with system 
shell
//---------------------------------------------------------------------------
typedef 
void __fastcall (__closure *VoiceTextOnBookMark)
    
(System::TObject* Sender, QWORD qTimeStamp, DWORD dwMarkNum);
typedef void 
__fastcall (__closure *VoiceTextOnTextDone)
    
(System::TObject* Sender, QWORD qTimeStamp, DWORD dwFlags);
typedef void 
__fastcall (__closure *VoiceTextOnTextStart)
    
(System::TObject* Sender, QWORD qTimeStamp);
typedef void __fastcall 
(__closure *VoiceTextOnWordPosition)
    (System::TObject* 
Sender, QWORD qTimeStamp, DWORD 
dwByteOffset);
//---------------------------------------------------------------------------
class 
CBufNotify;                       
// Forward 
declaration
//---------------------------------------------------------------------------
class 
VoiceText
{
private:
    
bool       IsPaused;
    
TRegistry* 
Reg;                     
// Pointer to system registry
    AnsiString 
AppKey;                  
// Name of the key in system registry
protected:
    
PITTSCENTRAL 
TTS_Central;           // 
ISRCentral interface to TTS engine
    PITTSDIALOGS 
TTS_Dialog;
    TTSMODEINFO  
ModeInfo;              
// Desired mode
    CBufNotify*  
MyNotify;
//---------------------------------------------------------------------------
    
PITTSCENTRAL __fastcall FindAndSelect(PTTSMODEINFO 
pTTSInfo);
    
bool         __fastcall 
BeginOLE(void);
    
bool         __fastcall 
EndOLE(void);
//---------------------------------------------------------------------------
    
// Notification functions
    
VoiceTextOnBookMark     FOnBookMark;
    
VoiceTextOnTextDone     FOnTextDone;
    
VoiceTextOnTextStart    FOnTextStart;
    
VoiceTextOnWordPosition 
FOnWordPosition;
//---------------------------------------------------------------------------
    
void __fastcall EngineInit(LANGID Language, WORD Gender);
    
void __fastcall EngineTerm(void);
public:
    __fastcall 
VoiceText(void);
    __fastcall VoiceText(AnsiString Key, 
LANGID Language, WORD Gender);
    __fastcall 
~VoiceText(void);
    void __fastcall Speak(AnsiString 
Text);
    void __fastcall Pause(void);
    
void __fastcall Resume(void);
    void __fastcall 
Reset(void);
    void __fastcall 
GeneralDlg(void);
    void __fastcall 
AboutDlg(void);
    void __fastcall 
LexiconDlg(void);
    void __fastcall 
TranslateDlg(void);
    void __fastcall ChangeEngine(LANGID 
Language, WORD Gender);
    TTSMODEINFO __fastcall 
LoadState(void);
    void __fastcall 
SaveState(void);
    bool __fastcall GetIsPause(void) { return 
IsPaused; };
//__published:
    __property 
VoiceTextOnBookMark OnBookMark =
        { 
read = FOnBookMark, write = FOnBookMark };
    __property 
VoiceTextOnTextDone OnTextDone =
        { 
read = FOnTextDone, write = FOnTextDone };
    __property 
VoiceTextOnTextStart OnTextStart =
        
{ read = FOnTextStart, write = FOnTextStart };
    __property 
VoiceTextOnWordPosition OnWordPosition 
=
        { read = FOnWordPosition, write 
= FOnWordPosition 
};
};
//---------------------------------------------------------------------------
class 
CBufNotify : public ITTSBufNotifySink
{
private:
// TSapiTTSOnTextDone 
MyOnTextDone;
public:
    
CBufNotify(void);
    ~CBufNotify(void);
    
// IUnknown members
    
STDMETHODIMP         QueryInterface 
(REFIID, LPVOID FAR *);
    STDMETHODIMP_(ULONG) 
AddRef(void);
    STDMETHODIMP_(ULONG) 
Release(void);
    // ITTSNotifySink
    
STDMETHOD (BookMark)        (QWORD, 
DWORD);
    STDMETHOD (TextDataDone)    (QWORD, 
DWORD);
    STDMETHOD (TextDataStarted) 
(QWORD);
    STDMETHOD (WordPosition)    
(QWORD, DWORD);
    // Main class
    
VoiceText* 
VoiceText;
};
//---------------------------------------------------------------------------
#endif
//---------------------------------------------------------------------------

Исходный код

Исходный код модуля сопряжения синтеза речи с помощью MS Speech API:

// 
voicetext.cpp
//---------------------------------------------------------------------------
// 2001 Ruslan Popov aka RaD / 
rad@kmc.ru
//    
Модуль синтеза речи с помощью MS Speech API.
//    
Использование модуля разрешено только в некоммерческих 
проектах
//    при сохранении данного 
комментария.
//    Если вы что-то добавите в этот класс, 
пришлите изменения мне.
//---------------------------------------------------------------------------
#include 

#pragma hdrstop
#include 
"VoiceText.h"
//---------------------------------------------------------------------------
#pragma 
package(smart_init)
//---------------------------------------------------------------------------
__fastcall 
VoiceText::VoiceText(void)
{
    // Work with system 
registry
    AppKey = "\\SOFTWARE\\RaD\\VoiceText";
    EngineInit(LANG_RUSSIAN, 
GENDER_MALE);
}
//---------------------------------------------------------------------------
__fastcall 
VoiceText::VoiceText(AnsiString Key, LANGID Language, WORD 
Gender)
{
    // Work with system 
registry
    AppKey = "\\SOFTWARE\\RaD\\" + 
Key;
    EngineInit(Language, 
Gender);
}
//---------------------------------------------------------------------------
__fastcall 
VoiceText::~VoiceText(void)
{
    
SaveState();
    
EngineTerm();
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::EngineInit(LANGID Language, WORD 
Gender)
{
    IsPaused = false;
    Reg = 
new TRegistry();
    Reg->RootKey = 
HKEY_CURRENT_USER;
    Reg->LazyWrite = 
false;
    if (!BeginOLE())
    { 
MessageBox(NULL, "Can not open OLE.", NULL, MB_OK); return; 
}
    // Initialize TTS engine
    
memset(&ModeInfo, 0, sizeof(ModeInfo));
    
ModeInfo.wGender = Gender;
    ModeInfo.language.LanguageID = 
Language;
    TTS_Central = 
FindAndSelect(&ModeInfo);
    char* AuthorWebSite = 
"http://ts.kmc.ru";
    if (!TTS_Central)
    
{
        if (MessageBox(NULL, "During 
program's initialization no useful speech 
"
                    
"synthesis engine has 
found!\n"
                    
"Do you want to visit the program's site to download 
"
                    
"needed 
components?",
                    
"Synthesizer error", MB_YESNO | 
MB_ICONWARNING)
            
== IDYES)
            
ShellExecute(Application->Handle, NULL, 
AuthorWebSite,
                
NULL, NULL, SW_SHOWNORMAL);
        
Application->Terminate();
    }
    // 
Create notification object and fill necessary items.
//  MyNotify = 
new CBufNotify();
//  MyNotify->VoiceText = 
this;
    // Create dialog object
    
TTS_Central->QueryInterface(IID_ITTSDialogsW, 
(void**)&TTS_Dialog);
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::EngineTerm(void)
{
    if (Reg) 
delete Reg;
    if (TTS_Dialog) 
TTS_Dialog->Release();
    if (MyNotify) delete 
MyNotify;
    if 
(!EndOLE())
        { 
Application->MessageBox("Can not close OLE.", NULL, MB_OK); return; 
}
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::Speak(AnsiString MyText)
{
    SDATA 
data;
    char* Text = MyText.c_str();
    
data.dwSize = lstrlen(Text);
    data.pData = 
Text;
    // Put the text buffer into the engine's speaking 
queue, and give
    // the engine the address of the 
ITTSBufNotifySink interface for
    // buffer-related 
notifications.
    TTS_Central->TextData(CHARSET_TEXT, 0, 
data, NULL, IID_ITTSBufNotifySink);
//    
TTS_Central->TextData(CHARSET_TEXT, 0, data, MyNotify, 
IID_ITTSBufNotifySink);
}
//---------------------------------------------------------------------------
TTSMODEINFO 
__fastcall VoiceText::LoadState(void)
{
    TTSMODEINFO 
ttsInfo;
    if (Reg->KeyExists(AppKey) == false) return 
ttsInfo;
    Reg->OpenKey(AppKey, 
true);
    if (Reg->ValueExists("TTSModeInfo") == false) 
return ttsInfo;
    Reg->ReadBinaryData("TTSModeInfo" , 
&ttsInfo, sizeof(ttsInfo));
    
Reg->CloseKey();
    return 
ttsInfo;
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::SaveState(void)
{
    TTSMODEINFO 
ttsInfo;
    
TTS_Central->ModeGet(&ttsInfo);
    
Reg->OpenKey(AppKey, true);
    
Reg->WriteBinaryData("TTSModeInfo" , &ttsInfo, 
sizeof(ttsInfo));
    
Reg->CloseKey();
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::ChangeEngine(LANGID Language, WORD 
Gender)
{
    EngineTerm();
    
EngineInit(Language, 
Gender);
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::Pause(void)
{
    IsPaused = 
true;
    
TTS_Central->AudioPause();
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::Resume(void)
{
    IsPaused = 
false;
    
TTS_Central->AudioResume();
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::Reset(void)
{
    IsPaused = 
false;
    
TTS_Central->AudioReset();
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::GeneralDlg(void)
{
    
TTS_Dialog->GeneralDlg(Application->Handle, 
NULL);
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::AboutDlg(void)
{
    
TTS_Dialog->AboutDlg(Application->Handle, 
NULL);
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::LexiconDlg(void)
{
    
TTS_Dialog->LexiconDlg(Application->Handle, 
NULL);
}
//---------------------------------------------------------------------------
void 
__fastcall VoiceText::TranslateDlg(void)
{
    
TTS_Dialog->TranslateDlg(Application->Handle, 
NULL);
}
//---------------------------------------------------------------------------
PITTSCENTRAL 
__fastcall VoiceText::FindAndSelect(PTTSMODEINFO 
pTTSInfo)
{
    
HRESULT                 
hRes;
    
TTSMODEINFO             
ttsResult;        // final 
result
    
PITTSFIND               
pITTSFind;        // find 
interface
    PIAUDIOMULTIMEDIADEVICE pIAMM; // multimedia 
device interface for audio-dest
    
PITTSCENTRAL            
pITTSCentral;     // central interface
//  
PITTSBUFNOTIFYSINK      
pBufNotify;
    hRes = CoCreateInstance(CLSID_TTSEnumerator, 
NULL, CLSCTX_ALL,

IID_ITTSFind, (void**)&pITTSFind);
    if 
(FAILED(hRes)) return NULL;
    hRes = 
pITTSFind->Find(pTTSInfo, NULL, &ttsResult);
    if 
(hRes) { pITTSFind->Release(); return NULL; }     // 
error
    // Get the audio dest
    hRes = 
CoCreateInstance(CLSID_MMAudioDest, NULL, CLSCTX_ALL, 
IID_IAudioMultiMediaDevice, (void**)&pIAMM);
    if (hRes) 
{ pITTSFind->Release(); return NULL; }     // 
error
    
pIAMM->DeviceNumSet(WAVE_MAPPER);
    // Pass off the 
multi-media-device interface as an IUnknown (since it is 
one)
    // Should do select now
    hRes = 
pITTSFind->Select(ttsResult.gModeID, &pITTSCentral, (LPUNKNOWN) 
pIAMM);
    if (hRes) { pITTSFind->Release(); return NULL; 
}
    // free random stuff up
    
pITTSFind->Release();
    return 
pITTSCentral;
}
//---------------------------------------------------------------------------
bool 
__fastcall VoiceText::BeginOLE(void)
{
    DWORD 
dwVer;
    // Initialize OLE
    
SetMessageQueue(96);
    dwVer = 
CoBuildVersion();
    if (rmm != HIWORD(dwVer)) return false; 
// error
    if (FAILED(CoInitialize(NULL))) return 
false;
    return 
true;
}
//---------------------------------------------------------------------------
bool 
__fastcall VoiceText::EndOLE(void)
{
    // Free up all of 
OLE
    CoUninitialize();
    return 
true;
}
//---------------------------------------------------------------------------
// 
Notification class 
constructor.
//---------------------------------------------------------------------------
CBufNotify::CBufNotify(void)
{
}
//---------------------------------------------------------------------------
// 
Notification class 
destructor.
//---------------------------------------------------------------------------
CBufNotify::~CBufNotify(void)
{
}
//---------------------------------------------------------------------------
STDMETHODIMP 
CBufNotify::QueryInterface (REFIID riid, LPVOID 
*ppObj)
{
    *ppObj = NULL;
    // 
always return our IUnkown for IID_IUnknown
    if (IsEqualIID 
(riid, IID_IUnknown) || 
IsEqualIID(riid,IID_ITTSBufNotifySinkW))
        
{ *ppObj = (LPVOID) this; return NOERROR; }
    // otherwise, 
cant find
    return 
ResultFromScode(E_NOINTERFACE);
}
//---------------------------------------------------------------------------
STDMETHODIMP_ 
(ULONG) CBufNotify::AddRef(void) { return 1; 
}
//---------------------------------------------------------------------------
STDMETHODIMP_ 
(ULONG) CBufNotify::Release(void) { return 1; 
}
//---------------------------------------------------------------------------
STDMETHODIMP 
CBufNotify::BookMark (QWORD qwTime, DWORD dwMark)
{
    if 
(VoiceText->OnBookMark) VoiceText->OnBookMark(NULL, qwTime, 
dwMark);
    return 
NOERROR;
}
//---------------------------------------------------------------------------
STDMETHODIMP 
CBufNotify::TextDataDone (QWORD qwTime, DWORD 
dwFlags)
{
    if (VoiceText->OnTextDone) 
VoiceText->OnTextDone(NULL, qwTime, dwFlags);
    return 
NOERROR;
}
//---------------------------------------------------------------------------
STDMETHODIMP 
CBufNotify::TextDataStarted (QWORD qwTime)
{
    if 
(VoiceText->OnTextStart) VoiceText->OnTextStart(NULL, 
qwTime);
    return 
NOERROR;
}
//---------------------------------------------------------------------------
STDMETHODIMP 
CBufNotify::WordPosition (QWORD qwTime, DWORD dwVal)
{
    
if (VoiceText->OnWordPosition) VoiceText->OnWordPosition(NULL, qwTime, 
dwVal);
    return 
NOERROR;
}
//---------------------------------------------------------------------------

Пример использования

Пример использования модуля в своём приложении:

VoiceText* TTS;
TTS = new VoiceText(Version->ProductName, LANG_RUSSIAN, GENDER_MALE);
TTS->Speak("Привет, вот у вас и заработал мой класс.");
TTS->Speak("Внимательно изучите класс, он много чего ещё может!");
if (TTS) delete TTS;

Удачи!