C++语音识别接口快速入门
C++语音识别接口快速入门(Microsoft Speech SDK)
版权声明:该博客是本宝宝原创文章,未经博主允许不得转载。
目录(?)[+]
- C语音识别接口快速入门Microsoft Speech SDK
- 目录
- 一安装SDK
- 二新建工程配置环境
- 三语音识别代码
- 文字转语音
- 语音转文字
- 源代码下载
- 参考网站
C++语音识别接口快速入门(Microsoft Speech SDK)
最近毕业设计用到了微软的C++语音识别接口,查找了很多资料,也碰到了很多问题,走了很多弯路。现在把我自己的经验写下来,一是提升自己,二是回报社会。希望大家看了这篇blog之后,5min就学会C++语音识别接口的实现。(采用的平台为win8+VS2013)
目录
- C语音识别接口快速入门Microsoft Speech SDK
- 目录
- 一安装SDK
- 二新建工程配置环境
- 三语音识别代码
- 1文字转语音
- 2语音转文字
- 源代码下载
- 参考网站
一、安装SDK
安装MicrosoftSpeechPlatformSDK.msi,默认路径安装即可。
下载路径:
http://download.csdn.net/detail/michaelliang12/9510691
二、新建工程,配置环境
设置:
1,属性–配置属性–C/C++–常规–附加包含目录:C:\Program Files\Microsoft SDKs\Speech\v11.0\Include(具体路径与安装路径有关)
2,属性–配置属性–链接器–输入–附加依赖项:sapi.lib;
三、语音识别代码
语音识别接口可分为文字转语音和语音转文字
1、文字转语音
需要添加的头文件:
#include <sapi.h> //导入语音头文件
#pragma comment(lib,"sapi.lib") //导入语音头文件库
- 1
- 2
- 3
![](http://static.blog.csdn.net/images/save_snippets_01.png)
- 1
- 2
- 3
函数:
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 -100pVoice->SetRate(2); //设置速度,范围是 -10 - 10hr = pVoice->Speak(speakContent, 0, NULL);pVoice->Release();pVoice = NULL;}//释放com资源::CoUninitialize();
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
2、语音转文字
这个稍微麻烦一点,因为需要实时监控麦克风,涉及到windows的消息机制。
(1)首先设置工程属性:
属性–配置属性–C/C++–预处理器–预处理器定义:_WIN32_DCOM;
(2)需要添加的头文件:
#include <sapi.h> //导入语音头文件
#pragma comment(lib,"sapi.lib") //导入语音头文件库
#include <sphelper.h>//语音识别头文件
#include <atlstr.h>//要用到CString#pragma once
const int WM_RECORD = WM_USER + 100;//定义消息
- 1
- 2
- 3
- 4
- 5
- 6
- 7
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
(3)在程序的.h头文件中定义变量
//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;
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
(4)创建语音识别初始化函数(程序刚开始执行的时候调用,例如文末示例代码中,将此初始化函数放在对话框初始化消息WM_INITDIALOG的响应代码里)
//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UNINCODEhr = 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);//dictationhr = m_cpCmdGrammar->SetRuleState(NULL, NULL, SPRS_ACTIVE);//C&Chr = 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}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
(5)定义消息处理函数
需要和其他的消息处理代码放在一起,如本文代码中,放在文末示例代码的DlgProc()函数尾部。本文整个其他的代码块都可以直接照搬,只需要更改如下的消息反应模块即可
//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;}}}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
(6)修改语法文件
修改CmdCtrl.xml文件,可以提高某些词汇的识别度,对里面的词识别效果会很好多,如人名等。(此外,单独运行exe时也需要将此文件和exe放在同一文件夹内,不放也不会报错,只是语法文件里的词汇识别效果变差)
<?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>运行</P><P>执行</P></L></O><RULEREF REFID="VID_SubNameRule" /></RULE><RULE ID="VID_SubNameRule" ><L PROPID="VID_SubNameRule"><P VAL="VID_SubName1">发短信</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">韩梅梅</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>
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
![](http://static.blog.csdn.net/images/save_snippets.png)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
源代码下载
注意,本代码是在原来的项目中截取出来的,但可以独立运行。
Microsoft Speech SDK 安装包下载:
http://download.csdn.net/detail/michaelliang12/9510691
文中示例程序下载(之前下载分数太高,我已经重新上传了新版本,也解决了kincect20.lib报错的问题。由于自己经常在csdn上下东西,也需要积分,需要还是需要各位捧场,2积分。。):
http://download.csdn.net/detail/michaelliang12/9766783
存在的bug:每次运行完程序,Windows的语音识别助手不会自动关闭,需要自己手动关闭。若不关闭,则下次启动程序可能会出错。大家如果有好的解决办法,请联系我,谢了!
参考网站
1,http://www.cnblogs.com/eping/archive/2010/05/23/1742201.html
2,http://blog.csdn.net/pamchen/article/details/7856207
3,http://blog.csdn.net/jmxiaocai/article/details/7036033
4,http://blog.csdn.net/buaalei/article/details/5372544(主要参考)
5,http://blog.csdn.net/itcastcpp/article/details/5313204
6,http://blog.csdn.net/artemisrj/article/details/8723095(MFC的消息处理响应版本)
C++语音识别接口快速入门相关推荐
- C++语音识别接口快速入门(Microsoft Speech SDK)——文字转语音
C++语音识别接口快速入门(Microsoft Speech SDK) 尤其注意其中的宽字符串转化 #include <iostream> #include <sapi.h> ...
- Microsoft c++ Speech 识别接口快速入门
安装microsoft speech sdk: 1.下载路径:http://download.csdn.net/detail/michaelliang12/9510691: 2.安装 直接执行安装 3 ...
- 快速入门脑机接口:BCI基础(二)
关于脑机接口的分类可以查看<快速入门脑机接口:BCI基础(一)> 组成成分 脑活动 神经系统由两个主要部分组成:中枢神经系统和周围神经系统.大脑是中枢神经系统的主要器官,它包含约1000亿 ...
- java day29【DBC基本概念 、快速入门 、对JDBC中各个接口和类详解】
第一章 JDBC 1. 概念:Java DataBase Connectivity Java 数据库连接, Java语言操作数据库 * JDBC本质:其实是官方(sun公司)定义的一套操作所有关系 ...
- 带你快速入门AXI4总线--AXI4-Full篇(3)----XILINX AXI4-Full接口IP源码仿真分析(Master接口)
写在前面 接slave接口篇,本文继续打包一个AXI4-Full-Master接口的IP,学习下源码,再仿真看看波形. 带你快速入门AXI4总线--AXI4-Full篇(2)----XILINX AX ...
- 全网最详细中英文ChatGPT接口文档(六)30分钟快速入门ChatGPT——使用策略和API数据使用策略
30分钟快速入门使用ChatGPT--使用策略和API数据使用策略 Usage policies使用策略 Disallowed usage of our models 禁止使用我们的模型 API da ...
- OpenAI API及ChatGPT系列教程1:快速入门
系列文章目录: OpenAI API及ChatGPT系列教程1:快速入门 OpenAI API及ChatGPT系列教程2:使用手册 OpenAI API及ChatGPT系列教程3:API参考(Pyth ...
- 微信小程序wepy框架快速入门
微信小程序wepy框架快速入门 微信小程序简介 微信小程序,简称小程序,英文名Mini Program,是一种不需要下载安装即可使用的应用,它实现了应用"触手可及"的梦想,用户扫一 ...
- 1.TensorFlow快速入门
TensorFlow 2.0 前言 Tensorflow是Google推出的机器学习开源神器,对Python有着良好的语言支持,支持CPU,GPU和Google TPU等硬件,并且已经拥有了各种各样的 ...
最新文章
- 利用box-shadow绘图
- Docker从入门到实践
- unicode and utf-8
- 为什么我的resharper控件安装之后没有显示
- Android开发之自定义输入框无法弹起键盘输入法的解决方法
- 1055 - Expression #1 of ORDER BY clause is not in GROUP BY clause and contai
- Codeforces 827D Best Edge Weight 倍增 + 并查集 || 倍增 + 压倍增标记 (看题解)
- Web服务器的配置与管理(1) IIS的安装与基本设置
- wordpress提高访问速度
- swf背景透明,并显示背景图片
- 机器学习笔记 - EfficientNet论文解读
- Python 学习笔记 列表 for 循环 xxx XXX
- python中shelf对象_shelve 用来持久化任意的Python对象实例代码_python_脚本之家
- python画五角星代码_Python使用turtule画五角星的方法
- 《转》openstack中删除虚拟主机,状态一直deleting
- Java获取下周一、下周日、下个月第一天和次年第一天
- java自动发图文微博_使用node搭建自动发图文微博机器人的方法
- Vue笔记(8) - 案例
- 自由度和剧情新颖的单机游戏
- DreamSpark