windows下文本转语音TTS库封装

一、文本转语音实现

本文提及的文本转语音库其实很多年前写的库，最近有才时间整理才将对应库整理成文章供各位网友参考。

其实在windows下自带了文本转语音以及语音识别的功能，这里由于项目中需要将报警文本信息使用语音形式转化出来，所以这里仅仅只介绍文本转语音的使用。

windows下我们将文本转语音使用的就是windows自带的COM组件，也就是TTS库，为了方便使用我将语音转文本的库封装成一个Dll库，目的也是为了后续组件化和模块化后续系统的功能，该封装库仅有三个功能：

（1）语音库的初始化

//-------------------------------------------------
//  功  能：语音库的初始化
//  参  数：
//      无
//  返回值：
//      成功返回true反之返回false
//  说  明：
//      在系统初始化的时候调用该接口与TTS_UnInit对应
//-------------------------------------------------
TTSSDK_API bool TTS_Init();

（2）本文转语音

//-------------------------------------------------
//  功  能：语音库的初始化
//  参  数：
//      【输入】content     ：    需要播放的文字内容
//      【输入】size        ：    播放的文字内容长度
//  返回值：
//      无
//  说  明：
//      为了性能，该接口是异步接口调用后后台自动播放
//-------------------------------------------------
TTSSDK_API void TTS_Speak(const char* content,const int size);

（3）语音库的反初始化

//-------------------------------------------------
//  功  能：语音库的反初始化
//  参  数：
//      无
//  返回值：
//      无
//  说  明：
//      在系统退出的时候调用该接口以使用资源
//-------------------------------------------------
TTSSDK_API void TTS_UnInit();

我们将重点放在第三个接口的实现上：

TTSSDK_API void TTS_Speak(const char* content,const int size)
{NetCommandPtr pCmd = boost::make_shared<CNetCommand>(boost::BOOST_BIND(CTtsInstance::Speek, content));CMessageEngine::get_mutable_instance().Post(pCmd);
}

该接口的实现是通过异步方式调用的，这里使用了boost封装的消息处理引擎处理对应的消息，其目的是为了上层应用调用的完成之后可以继续做自己的工作，而不影响上层应用，特别是UI相关的线程，因为语音播放如果是同步播放的，10几个文字播放出来（包括标点符号的停顿）大概需要6-10秒，所以该接口是做成了异步处理。

最后，我们只需要关注TTS的实例的Speek方法实现就可以了：

bool CTtsInstance::Speek(std::string text)
{// window 64[不能使用-只能调用32bit程序]if (!CTtsInstance::Prepared()){TCHAR filePath[MAX_PATH] = { 0 };GetModuleFileName(NULL, filePath, MAX_PATH);_tcsrchr(filePath, _T('\\'))[1] = _T('\0');_tcscat(filePath, _T("tts.exe"));if (-1 == _taccess(filePath, 0))return false;STARTUPINFO   si = { 0 };ZeroMemory(&si, sizeof(si));si.cb = sizeof(si);si.dwFlags = /*STARTF_USESHOWWINDOW*/0;si.wShowWindow = /*SW_SHOW*/SW_HIDE;si.lpDesktop = NULL;PROCESS_INFORMATION   ProcessInformation;ZeroMemory(&ProcessInformation, sizeof(ProcessInformation));if (CreateProcess(filePath, (LPTSTR)text.c_str(), NULL, NULL, FALSE,/*CREATE_NEW_CONSOLE*/0, NULL, NULL, &si, &ProcessInformation)){WaitForSingleObject(ProcessInformation.hProcess, INFINITE);::CloseHandle(ProcessInformation.hThread);::CloseHandle(ProcessInformation.hProcess);}}else{if (!m_pISpVoice)return false;// 开始进行朗读BSTR content = _com_util::ConvertStringToBSTR(text.c_str());HRESULT hr = m_pISpVoice->Speak(content, SPF_ASYNC, NULL);SysFreeString(content);}return true;
}

这里做了两部分工作：

（1）播放文本

我们使用的是语音播放COM库ISpObjectToken实现的，该组件初始化如下：

bool CTtsInstance::Init()
{// 初始化COM组件if(FAILED(::CoInitialize(NULL)))return false;if(FAILED(m_pISpVoice.CoCreateInstance(CLSID_SpVoice)))return false;// 枚举所有语音TokenCComPtr<IEnumSpObjectTokens> cpEnum;if(FAILED(SpEnumTokens(SPCAT_VOICES, L"", L"", &cpEnum)))return false;ISpObjectToken* pToken = NULL;while (cpEnum->Next(1, &pToken, NULL) == S_OK){CSpDynamicString dstrDesc;HRESULT hr = SpGetDescription(pToken, &dstrDesc);if (SUCCEEDED(hr)){m_vecISpToken.push_back(pToken);}}SetVoice(2052);return true;
}

播放的时候我们只需要调用Speak接口即可，注意因为用的是COM组件，所以字符串也需要转换为COM的BSTR字符串！

（2）64bit系统兼容

因为我的程序一般都做了32bit和64bit的windows程序（包括所有dll库），经过测试发现64bit系统是调用COM库的，但是为了兼容其他的64bit库和app调用，我也必须兼容64bit的应用，我想到的好的办法是：本地调用。

既然系统仅仅支持32bit调用，那么64bit的dll封装只需要调用32bit的库就可以了，但是64bit的dll是无法调用32bit的dll的，但是可以通过进程方式调用，所以我又将该库封装成了一个32bit的exe，然后64bit的dll调用32bit的exe。该调用如下：

     TCHAR filePath[MAX_PATH] = { 0 };GetModuleFileName(NULL, filePath, MAX_PATH);_tcsrchr(filePath, _T('\\'))[1] = _T('\0');_tcscat(filePath, _T("tts.exe"));if (-1 == _taccess(filePath, 0))return false;STARTUPINFO   si = { 0 };ZeroMemory(&si, sizeof(si));si.cb = sizeof(si);si.dwFlags = /*STARTF_USESHOWWINDOW*/0;si.wShowWindow = /*SW_SHOW*/SW_HIDE;si.lpDesktop = NULL;PROCESS_INFORMATION   ProcessInformation;ZeroMemory(&ProcessInformation, sizeof(ProcessInformation));if (CreateProcess(filePath, (LPTSTR)text.c_str(), NULL, NULL, FALSE,/*CREATE_NEW_CONSOLE*/0, NULL, NULL, &si, &ProcessInformation)){WaitForSingleObject(ProcessInformation.hProcess, INFINITE);::CloseHandle(ProcessInformation.hThread);::CloseHandle(ProcessInformation.hProcess);}

通过查找本地的tts.exe文件进行远程调用并传递参数给exe即可。

二、测试示例

测试实例代码如下：

int _tmain(int argc, _TCHAR* argv[])
{if(!TTS_Init()){printf("初始化语音引擎失败!\n");}while (true){TTS_Speak("尊敬的李先生，早上好！", 0);printf("尊敬的李先生，早上好！\n");Sleep(5000);}TTS_UnInit();return 0;
}

（1）32bit的程序测试如下

可以看到播放正常！

（2）64bit程序测试如下

可以看到64bit的dll被调用后播放也依然正常，只不过通过进程调用方式耗时稍微长一点，不过也只能通过这种方式兼容了。

三、注意问题

不同机器测试可以发现，阉割版本的win7是没有自带语音库的，所有初始化语音COM组件正常，所以我们需要修复语音库，这里需要32bit和64bit的语音修复库，另外也可以安装自己喜欢的语音播放库（我的是男士音，不好辨识！）

源码获取、合作、技术交流请获取如下联系方式：
QQ交流群：961179337

微信账号：lixiang6153
公众号：IT技术快餐
电子邮箱：lixx2048@163.com