CSpeechRecognition类封装了语音识别操作所需调用的几个接口，使用它进行语音识别编程很方便，也很简洁。

CSpeechRecognition类的定义如下：

///

// active speech engine

#include <atlbase.h>

extern CComModule _Module;

#include <atlcom.h>

#include <sapi.h>

#include <sphelper.h>

#include <spuihelp.h>

///

// speech message

#define WM_SREVENT   WM_USER+102

 

class CSpeechRecognition 

{

public:

   CSpeechRecognition();

   virtual ~CSpeechRecognition();

 

   // initialize

   BOOL Initialize(HWND hWnd = NULL, BOOL bIsShared = TRUE);

   void Destroy();

 

   // start and stop

   BOOL Start();

   BOOL Stop();

   BOOL IsDictationOn()

   {

       return m_bOnDictation;

   }

 

   // event handler

   void GetText(WCHAR **ppszCoMemText, ULONG ulStart = 0, ULONG nlCount = -1);

 

   // voice training

   HRESULT VoiceTraining(HWND hWndParent);

 

   // microphone setup

   HRESULT MicrophoneSetup(HWND hWndParent);

 

   // token list

   HRESULT InitTokenList(HWND hWnd, BOOL bIsComboBox = FALSE);

 

   // error string

   CString GetErrorString()

   {

       return m_sError;

   }

 

   // interface

     CComPtr<ISpRecognizer> m_cpRecoEngine;  // SR engine

       CComPtr<ISpRecoContext> m_cpRecoCtxt;   //Recognition contextfor dictation

     CComPtr<ISpRecoGrammar> m_cpDictationGrammar;  // Dictation grammar

 

private:

   CString m_sError;

    BOOL    m_bOnDictation;

};

其中定义的消息WM_SREVENT用于指示语音识别事件，该消息将通知到初始化函数指定的响应窗口。

类中定义了3个接口指针m_cpRecoEngine，m_cpRecoCtxt和m_cpDictationGrammar，分别用于引用语音识别引擎的3个重要接口IspRecognizer，ISpRecoContext和IspRecoGrammar。

初始化函数Initialize设定了语音识别引擎的基本工作环境，包括引擎、识别上下文、语法、音频和事件等的初始化：

BOOL CSpeechRecognition::Initialize(HWND hWnd, BOOL bIsShared)

{

   // com library

   if (FAILED(CoInitialize(NULL)))

   {

       m_sError=_T("Error intialization COM");

       return FALSE;

   }

 

   // SR engine

    HRESULT hr = S_OK;

    if (bIsShared)

    {

        // Shared reco engine.

        // For a shared reco engine, the audio gets setup automatically

        hr = m_cpRecoEngine.CoCreateInstance( CLSID_SpSharedRecognizer );

    }

   else

   {

       hr = m_cpRecoEngine.CoCreateInstance(CLSID_SpInprocRecognizer);

 

   }

 

   // RecoContext

    if( SUCCEEDED( hr ) )

    {

        hr = m_cpRecoEngine->CreateRecoContext( &m_cpRecoCtxt );

    }

 

    // Set recognition notification for dictation

    if (SUCCEEDED(hr))

    {

  hr = m_cpRecoCtxt->SetNotifyWindowMessage( hWnd, WM_SREVENT, 0, 0 );

    }

   

    if (SUCCEEDED(hr))

    {

        // when the engine has recognized something

        const ULONGLONG ullInterest = SPFEI(SPEI_RECOGNITION);

        hr = m_cpRecoCtxt->SetInterest(ullInterest, ullInterest);

    }

 

    // create default audio object

    CComPtr<ISpAudio> cpAudio;

    hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, &cpAudio);

 

    // set the input for the engine

    hr = m_cpRecoEngine->SetInput(cpAudio, TRUE);

    hr = m_cpRecoEngine->SetRecoState( SPRST_ACTIVE );

 

   // grammar

    if (SUCCEEDED(hr))

    {

        // Specifies that the grammar we want is a dictation grammar.

        // Initializes the grammar (m_cpDictationGrammar)

        hr = m_cpRecoCtxt->CreateGrammar( 0, &m_cpDictationGrammar );

    }

    if  (SUCCEEDED(hr))

    {hr = m_cpDictationGrammar->LoadDictation(NULL, SPLO_STATIC);

    }

    if (SUCCEEDED(hr))

    {

        hr = m_cpDictationGrammar->SetDictationState( SPRS_ACTIVE );

    }

    if (FAILED(hr))

    {

        m_cpDictationGrammar.Release();

    }

 

    return (hr == S_OK);

}

 

释放函数Destroy被类的析构函数调用，释放了类所引用的所有接口：

void CSpeechRecognition::Destroy()

{

   if (m_cpDictationGrammar)

       m_cpDictationGrammar.Release();

   if (m_cpRecoCtxt)

       m_cpRecoCtxt.Release();

   if (m_cpRecoEngine)

       m_cpRecoEngine.Release();

   CoUninitialize();

}

函数Start和Stop用来控制开始和停止接受及识别语音，它们通过调用引擎接口的SetRecoState方法来实现：

BOOL CSpeechRecognition::Start()

{

   if (m_bOnDictation)

       return TRUE;

 

         HRESULT hr = m_cpRecoEngine->SetRecoState( SPRST_ACTIVE );

   if (FAILED(hr))

         return FALSE;

 

   m_bOnDictation = TRUE;

   return TRUE;

}

 

BOOL CSpeechRecognition::Stop()

{

   if (! m_bOnDictation)

       return TRUE;

 

       HRESULT hr = m_cpRecoEngine->SetRecoState( SPRST_INACTIVE );

   if (FAILED(hr))

return FALSE;

 

   m_bOnDictation = FALSE;

   return TRUE;

}

函数GetText是获取从语音中已识别出的文字的关键，应该在响应识别事件/消息的响应函数中调用，其代码如下所示。

void CSpeechRecognition::GetText(WCHAR **ppszCoMemText, ULONG ulStart, ULONG nlCount)

{

    USES_CONVERSION;

    CSpEvent event;

 

    // Process all of the recognition events

    while (event.GetFrom(m_cpRecoCtxt) == S_OK)

    {

        switch (event.eEventId)

        {

            case SPEI_RECOGNITION:

       // There may be multiple recognition results, so get all of them

                {

                 HRESULT hr = S_OK;

                 if (nlCount == -1)

              event.RecoResult()->GetText(SP_GETWHOLEPHRASE,

SP_GETWHOLEPHRASE, TRUE, ppszCoMemText, NULL);

                 else

                 {

                 ASSERT(nlCount > 0);

                 event.RecoResult()->GetText(ulStart, nlCount, FALSE,

                        ppszCoMemText, NULL);

                 }

                }

                break;

        }

    }

}

函数InitTokenList调用SpInitTokenComboBox和SpInitTokenListBox函数来实现语音语言在列表或组合列表中的列表显示和选择：

HRESULT CSpeechRecognition::InitTokenList(HWND hWnd, BOOL bIsComboBox)

{

   if (bIsComboBox)

       return SpInitTokenComboBox(hWnd, SPCAT_RECOGNIZERS);

   else

       return SpInitTokenListBox(hWnd, SPCAT_RECOGNIZERS);

}

语音识别涉及语音的输入，通常用话筒来输入语音。进行语音识别前，需要判断话筒的位置和设置是否合理，以保证语音识别引擎能获得有效的语音输入。函数MicrophoneSetup调用语音识别引擎接口的DisplayUI方法来显示一个设置话筒的向导，如图11-4所示。示例代码如下所示：

HRESULT CSpeechRecognition::MicrophoneSetup(HWND hWndParent)

{

   return m_cpRecoEngine->DisplayUI(hWndParent, NULL, SPDUI_MicTraining, NULL, 0);

}

语音训练是语音识别的重要基础，为了获得期望的识别效果，必须进行语音训练，以让语音识别引擎熟悉说话者的口音。函数VoiceTraining调用语音识别引擎接口的DisplayUI方法来显示一个语音训练向导，如图11-5所示。示例代码如下所示：

HRESULT CSpeechRecognition::VoiceTraining(HWND hWndParent)

{

   return m_cpRecoEngine->DisplayUI(hWndParent, NULL, SPDUI_UserTraining, NULL, 0);

}

与CText2Speech类似，CSpeechRecognition类也提供错误处理机制，由GetErrorString函数可以获得错误信息。

11.3.2  示例：用CSpeechRecognition类编制听写程序

使用CSpeechRecognition类来编写语音识别程序很简单，下面让我们实现一个听写程序Stenotypist，其界面如图11-6所示。

用VisualC++编制Stenotypist的步骤和要点如下：

1）使用AppWizard生成一个基于对话框的项目Stenotypist；

2）将SpeechRecognition.H，SpeechRecognition.CPP增加到Stenotypist项目中；

3）在资源编辑器中编辑好响应的控件；

4）用ClassWizard为控件在CStenotypistDlg 类中生成相应的成员；

5）修改StenotypistDlg.h文件，为类CStenotypistDlg增加相应的变量和函数；

6）用ClassWizard为CStenotypistDlg 类添加对控件和消息的响应函数。StenotypistDlg.h的代码如下。

#include "SpeechRecognition.h"

 

// CStenotypistDlg dialog

 

class CStenotypistDlg : public CDialog

{

// Construction

public:

   CStenotypistDlg(CWnd* pParent = NULL); // standard constructor

 

// Dialog Data

   //{{AFX_DATA(CStenotypistDlg)

   enum { IDD = IDD_STENOTYPIST_DIALOG };

   CButton    m_btDictation;

   CString    m_strText;

   //}}AFX_DATA

 

   // ClassWizard generated virtual function overrides

   //{{AFX_VIRTUAL(CStenotypistDlg)

   protected:

   virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV support

   //}}AFX_VIRTUAL

 

   CSpeechRecognition   m_SpeechRecognition;

 

// Implementation

protected:

   HICON m_hIcon;

 

   // Generated message map functions

   //{{AFX_MSG(CStenotypistDlg)

   virtual BOOL OnInitDialog();

   afx_msg void OnSysCommand(UINT nID, LPARAM lParam);

   afx_msg void OnPaint();

   afx_msg HCURSOR OnQueryDragIcon();

   afx_msg void OnButtonVt();

   afx_msg void OnButtonMs();

   afx_msg void OnButtonDictate();

   //}}AFX_MSG

   afx_msg LRESULT OnSREvent(WPARAM, LPARAM);

   DECLARE_MESSAGE_MAP()

};

注意，在CStenotypistDlg类中定义了一个CSpeechRecognition类的对象。

在OnInitDialog函数中调用CSpeechRecognition的初始化函数和设置语音语言列表：

BOOL CStenotypistDlg::OnInitDialog()

{

   CDialog::OnInitDialog();

 

   // Add "About..." menu item to system menu.

 

   // IDM_ABOUTBOX must be in the system command range.

   ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX);

   ASSERT(IDM_ABOUTBOX < 0xF000);

 

   CMenu* pSysMenu = GetSystemMenu(FALSE);

   if (pSysMenu != NULL)

   {

       CString strAboutMenu;

       strAboutMenu.LoadString(IDS_ABOUTBOX);

       if (!strAboutMenu.IsEmpty())

       {

          pSysMenu->AppendMenu(MF_SEPARATOR);

          pSysMenu->AppendMenu(MF_STRING, IDM_ABOUTBOX, strAboutMenu);

       }

   }

 

    // Set the icon for this dialog.  The framework does this automatically

   //  when the application's main window is not a dialog

   SetIcon(m_hIcon, TRUE);         // Set big icon

   SetIcon(m_hIcon, FALSE);    // Set small icon

  

   // TODO: Add extra initialization here

   if (! m_SpeechRecognition.Initialize(m_hWnd))

AfxMessageBox(m_SpeechRecognition.GetErrorString());

m_SpeechRecognition.InitTokenList(GetDlgItem(IDC_LIST1)->m_hWnd);

 

   m_SpeechRecognition.Stop();

  

   return TRUE;  // return TRUE  unless you set the focus to a control

}

开始听写和停止听写的实现较简单，只需调用CSpeechRecognition类的响应函数就能实现，其代码如下所示。注意，停止和开始是互相切换的。

void CStenotypistDlg::OnButtonDictate()

{

   if (m_SpeechRecognition.IsDictationOn())

   {

       m_SpeechRecognition.Stop();

       m_btDictation.SetWindowText("听写(&D)");

 

       SetWindowText("听写者 - 请按<听写>按钮开始听写!");

   }

   else

   {

       m_SpeechRecognition.Start();

       m_btDictation.SetWindowText("停止(&S)");

 

       SetWindowText("听写者 - 正在记录，请口述...");

   }

}

设置话筒和语音训练也通过直接调用CSpeechRecognition类的成员函数来实现：

void CStenotypistDlg::OnButtonVt()

{  m_SpeechRecognition.VoiceTraining(m_hWnd);

}

 void CStenotypistDlg::OnButtonMs()

{  m_SpeechRecognition.MicrophoneSetup(m_hWnd);

}

为了响应消息WM_SREVENT，需要添加相应的消息响应函数：

BEGIN_MESSAGE_MAP(CStenotypistDlg, CDialog)

   //{{AFX_MSG_MAP(CStenotypistDlg)

   ON_WM_SYSCOMMAND()

   ON_WM_PAINT()

   ON_WM_QUERYDRAGICON()

   ON_BN_CLICKED(IDC_BUTTON_VT, OnButtonVt)

   ON_BN_CLICKED(IDC_BUTTON_MS, OnButtonMs)

   ON_BN_CLICKED(IDC_BUTTON_DICTATE, OnButtonDictate)

   //}}AFX_MSG_MAP

   ON_MESSAGE(WM_SREVENT, OnSREvent)

END_MESSAGE_MAP()

 

LRESULT CStenotypistDlg::OnSREvent(WPARAM, LPARAM)

{  WCHAR *pwzText;

   m_SpeechRecognition.GetText(&pwzText);

  

   m_strText += CString(pwzText);

   UpdateData(FALSE);

 

   return 0L;

}

7）为了调用Speech引擎，应该在Microsoft Visual C++编程环境中设置好相应的include和lib设置：

① 设置include路径

●    通过Project→Settings菜单项打开Project Settings对话框；

●    点击C/C++项；

●    在Category下拉列表中选取Preprocessor；

●    在“Additional include directories”编辑框中输入安装Speech SDK的include的路径，默认的路径是C:/Program Files/Microsoft Speech SDK 5.1/Include。

② 设置lib信息

●    通过Project→Settings菜单项打开Project Settings对话框；

●    选择Link项；

●    在Category下拉列表中选取Input项；

●    在“Additional library path”编辑框中输入安装Speech SDK的lib的路径，默认的路径是C:/Program Files/Microsoft Speech SDK 5.1/ Lib/i386；

●    将“sapi.lib”输入“Object/library modules”所标识的编辑框中。

8）编译连接该项目，就可让听写者开始听写了。

Stenotypist项目的所有源代码都存放在附盘的/Source/Stenotypist目录下。