混合编程实现英文文章的语音输出

信息产业部电子第二十二研究所青岛分所 郎锐

现在有些软件尤其是翻译类软件多提供有语音输出的功能，比较有名的有《金山词霸2000》、《不知不觉背单词》等，他们所提供的英文朗读功能是通过直接使用了Microsoft的TTS(Text-to-Speech)全程化语音技术来实现的。其实我们也可以在自己的程序中通过对MS Speech API的调用来增加语音输出功能，尤其是对于翻译类软件，如果没有语音功能可以说这个软件是不完备的。
一、准备工作
为实现TTS技术，一个必要的前提条件是系统中要有MS TTS引擎，可以通过查看Windows目录下是否有speech的目录来判断是否安装过该引擎。如果没有，可以从《金山词霸2000》光盘上的ciba子目录下的mstts.exe来安装MS TTS引擎和spchapi（MS Speech API）或是直接从互连网上下载：可以从http://bcbsrc.home.chinaren.com/ttsapi.exe下载语音接口程序TTSapi.exe; 可以从http://bcbsrc.home.chinaren.com/ttssetup.exe下载男声语音引擎程序TTSSetup.exe;可以从http://bcbsrc.home.chinaren.com/ttssetup2.exe下载女声语音引擎程序TTSSetup2.exe。
?  
二、引言
在整个设计过程中，主要是围绕着Vtxtauto.tlb这个类型库展开的，由于在VC下实现类型库比较烦琐，我们选择使用TLB类型库比较方便的Delphi来同Vtxtauto.tlb进行交互，并将几个主要的功能如"朗读"、"暂停"、"恢复"、"停止"等用几个相应的功能函数来实现，最终通过DLL（动态链接库）将其封装在内，对外则仅提供几个简单接口，可以很方便的为Delphi或其他语言调用。在此我们通过采用VC++6.0来调用这个由Delphi开发的拥有TTS技术的动态链接库来实现英文文本的语音输出。
?  
三、Delphi动态链接库的实现
1、选"File"、"New…"，在"New Items"对话框中选择"DLL"，新建一动态连接库工程Project1。
2、选"File"、"New…"，在"New Items"中选择"Unit"，新建一单元TTSDLL。
3、选"Project"、"Import Type Library…"，点击"Add"按钮，选择C:\windows\speech\目录下的Vtxtauto.tlb类型库，便将其添加到工程中来了。
4、编辑TTSDll单元如下：
unit TTSDLL;
interface
uses VtxtAuto_TLB;
procedure Create;export; {待导出的过程和函数}
procedure Read(text:PChar);export;
procedure Pause;export;
procedure Resume;export;
procedure Stop;export;
function IsSpeaking:Boolean;export;
procedure Destory;export;
?  
var
TTS: IVTxtauto;  
?  
implementation  
procedure Create;
begin
TTS:=CoVTxtAuto.Create; {创建对象}
TTS.Register('Project1','Project1'); {注册 }
end;
?  
procedure Read(text:PChar);
begin
TTS.Speak(text,vtxtst_READING);  
{朗读函数。第一参数是待朗读的文本。第二参数用于控制朗读的语气和优先级，主要有以下几种，可以根据需要灵活选择，如需多种选择将其进行或运算即可：
vtxtst_STATEMENT = 1；平时说话时语气，默认。
vtxtst_QUESTION = 2; 提问的语气。
vtxtst_COMMAND = 4; 命令的语气。  
vtxtst_WARNING = 8; 警告的语气。
vtxtst_READING = 16; 阅读文档时的语气。
vtxtst_NUMBERS = 32; 阅读数字时的语气。
vtxtst_SPREADSHEET = 64; 阅读电子表格中元素时的语气。  
vtxtsp_VERYHIGH = 128; 立即读出，可以打断当前正读的内容。  
vtxtsp_HIGH = 256; 尽快读出，加入播放队列开始。  
vtxtsp_NORMAL = 512; 默认，加入播放队列末尾。}
end;
?  
procedure Pause;
begin
TTS.AudioPause; {暂停朗读}
end;
?  
procedure Stop;
begin
TTS.StopSpeaking;{终止朗读}
end;
?  
procedure Resume;
begin
TTS.AudioResume;{恢复朗读}
end;
?  
function IsSpeaking:Boolean;
var
Check:Boolean;
begin
if TTS.IsSpeaking then {判断当前状态}
begin
Check:=TRUE;{当前正在朗读}
end
else
begin
Check:=FALSE;{当前没有朗读}
end;
Result:=Check;{返回状态值}
end;  
?  
procedure Destory;
begin
TTS:=nil;{释放对象}
end;
end.
5、在Project1.dpr的begin前面添加如下待导出过程函数列表：
exports
Create index 1,
Read index 2,
Pause index 3,
Resume index 4,
Stop index 5,
IsSpeaking index 6,
Destory index 7;
编译通过后即可得到封装有TTS语音接口的动态链接库： Project1.dll。
?  
四、在VC 中调用TTS动态链接库
1、选"File"，"New…"新建一MFC AppWizard(exe)工程TTSCall。最后一步选择基类为CformView。其余可取缺省设置。
2、在Form上添加四个按钮，分别为：IDC_BUTTON1"朗读"；IDC_BUTTON2"暂停"；IDC_BUTTON4"恢复"；IDC_BUTTON3"停止"，以及一编辑框IDC_EDIT1。并添加四个按钮的处理函数：OnRead、OnPause、OnResume、OnStop和编辑框EN_CHANGE事件的响应函数：OnChangeEdit。通过ClassWizard为编辑框同一变量m_Text绑定。
3、为CTTSCallView类添加两个变量： BOOL m_bCreated; HINSTANCE m_DLL;并在构造函数中初始化之。
CTTSCallView::CTTSCallView() : CFormView(CTTSCallView::IDD)
{
//{{AFX_DATA_INIT(CTTSCallView)
m_Text = _T("Hello! Welcome to use this software developed by LangRui.");
//}}AFX_DATA_INIT
m_DLL = NULL;
m_bCreated=FALSE;
}
4、在视类中的初始化函数中添加代码：
void CTTSCallView::OnInitialUpdate()
{
CFormView::OnInitialUpdate();
GetParentFrame()->RecalcLayout();
ResizeParentToFit();
GetDlgItem(IDC_BUTTON1)->EnableWindow(TRUE);
GetDlgItem(IDC_BUTTON2)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON4)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON3)->EnableWindow(FALSE);
}
5、实现朗读功能：
void CTTSCallView::OnRead()  
{
m_DLL=LoadLibrary("Project1.dll"); //动态加载动态连接库
void (*Create)(void);
//取得DLL中的Create函数
Create=(void(*)(void))::GetProcAddress(m_DLL,"Create");  
Create();
m_bCreated=TRUE;
void (*Read)(char*);
//取得DLL 中的Read函数
Read=(void(*)(char*))::GetProcAddress(m_DLL,"Read");
//获取编辑框内容
UpdateData(TRUE);
char buf[10000];
::strcpy(buf,m_Text);
Read(buf);//朗读编辑框的内容。
GetDlgItem(IDC_BUTTON1)->EnableWindow(FALSE);//"朗读"按钮不可用
GetDlgItem(IDC_BUTTON2)->EnableWindow(TRUE); //"暂停"按钮可用
GetDlgItem(IDC_BUTTON4)->EnableWindow(FALSE);//"恢复"按钮不可用
GetDlgItem(IDC_BUTTON3)->EnableWindow(TRUE); //"停止"按钮可用
}
6、实现暂停功能：
void CTTSCallView::OnPause()  
{
m_DLL=LoadLibrary("Project1.dll");
void (*Pause)();
Pause=(void(*)())::GetProcAddress(m_DLL,"Pause");
BOOL (*IsSpeaking)();
//判断是否正在朗读
IsSpeaking=(BOOL(*)())::GetProcAddress(m_DLL,"IsSpeaking");
if(IsSpeaking())
{
Pause();
GetDlgItem(IDC_BUTTON1)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON2)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON4)->EnableWindow(TRUE);
GetDlgItem(IDC_BUTTON3)->EnableWindow(TRUE);
}
}
7、实现恢复功能：
void CTTSCallView::OnResume()  
{
m_DLL=LoadLibrary("Project1.dll");
void (*Resume)();
Resume=(void(*)())::GetProcAddress(m_DLL,"Resume");
BOOL (*IsSpeaking)();
IsSpeaking=(BOOL(*)())::GetProcAddress(m_DLL,"IsSpeaking");
if(!IsSpeaking())
{
Resume();
GetDlgItem(IDC_BUTTON1)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON2)->EnableWindow(TRUE);
GetDlgItem(IDC_BUTTON4)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON3)->EnableWindow(TRUE);
}
}
8、实现停止功能：
void CTTSCallView::OnStop()  
{
m_DLL=LoadLibrary("Project1.dll");
void (*Stop)();
Stop=(void(*)())::GetProcAddress(m_DLL,"Stop");
Stop();//停止朗读
GetDlgItem(IDC_BUTTON1)->EnableWindow(TRUE);
GetDlgItem(IDC_BUTTON2)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON4)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON3)->EnableWindow(FALSE);
}
9、当编辑框内容发生改变，而又没有进行朗读时，应当处于准备朗读状态：
void CTTSCallView::OnChangeEdit()  
{
if(m_bCreated)
{
m_DLL=LoadLibrary("Project1.dll");
BOOL (*IsSpeaking)();
IsSpeaking=(BOOL(*)())::GetProcAddress(m_DLL,"IsSpeaking");
if(!IsSpeaking())
{
GetDlgItem(IDC_BUTTON1)->EnableWindow(TRUE);
GetDlgItem(IDC_BUTTON2)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON4)->EnableWindow(FALSE);
GetDlgItem(IDC_BUTTON3)->EnableWindow(FALSE);
}
}
}
10、当程序退出时应释放加载的动态链接库，添加虚函数DestoryWindow()
BOOL CTTSCallView::DestroyWindow()  
{
AfxFreeLibrary(m_DLL);  
return CFormView::DestroyWindow();
}
五、运行测试
将由Delphi编制的动态链接库Project1.dll复制到VC的TTSCall 工程的Debug 目录下。编译并运行TTSCall工程，在编辑框上写一端英文，按下"朗读"按钮，就可以听到利用TTS全程化语音技术所发出的抑扬顿挫的声音。
小结：TTS是全程化语音技术，它可以实现英文单词以及短语的准确发音，甚至可以独立完成整篇英文文章的流畅朗读。而且TTS技术是建立在英文阅读规则基础上的语音合成技术，并非将单词一个一个拆开机械得进行朗读，因此在语气的转折和单词的衔接上都非常自然，问句和祈使句的升降调也能很好的表现出来。 

原文转自：http://www.ltesting.net