我现在使用下面的函数来实现一个TTS服务。
int tts(LPCWSTR text){
::CoInitialize(NULL);
CLSID CLSID_SpVoice;
CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
ISpVoice *pSpVoice = NULL;
IEnumSpObjectTokens *pSpEnumTokens = NULL;
if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice))){
return -1;
}
if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens))){
ISpObjectToken *pSpToken = NULL;
SpFindBestToken(SPCAT_VOICES, L"Gender=Male", L"Name=Microsoft Simplified Chinese", &pSpToken);
pSpVoice->SetVoice(pSpToken);
pSpVoice->Speak(text, SPF_DEFAULT, NULL);
pSpEnumTokens->Release();
}
pSpVoice->Release();
::CoUninitialize();
return 0;
}
我有可能得到每个被说出的字符的耗时吗?或者它是恒定的(如果设置了语速)?目的是想展示一些面部动画来配合演讲...
最佳答案
您不一定需要耗时;您可以使用 Viseme 事件来触发动画。
由于您使用的是 C++,因此请使用 ISpVoice::SetInterest描述您想要的事件集,以及 ISpNotifySource 之一方法(取决于您的外部代码在做什么)来将事件传递给您。
Microsoft 有一个详细的 workthrough以防此草图没有帮助。
请注意,视位的确切集(以及视位映射到哪些值)取决于语言。对于美国英语,视位定义为 here .对于中文,从音位到语音位的映射没有公开定义。
另一方面,您可以将 viseme 事件用作触发器,而不必真正关心实际的 viseme 值。
假设您的应用中某处有一个消息循环,您的代码将如下所示:
CLSID CLSID_SpVoice;
CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
ISpVoice *pSpVoice = NULL;
IEnumSpObjectTokens *pSpEnumTokens = NULL;
ULONGLONG ullMyEvents = SPFEI(SPEI_VISEME);
if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice))){
return -1;
}
if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens))){
ISpObjectToken *pSpToken = NULL;
SpFindBestToken(SPCAT_VOICES, L"Gender=Male", L"Name=Microsoft Simplified Chinese", &pSpToken);
pSpVoice->SetVoice(pSpToken);
// Set type of events the client is interested in.
pSpVoice->SetInterest(ullMyEvents, ullMyEvents);
// deliver a WM_APP message when a SAPI event arrives.
// Use a different message ID for real code.
pSpVoice->SetNotifyWindowMessage(hWnd, WM_APP, 0, 0);
pSpVoice->Speak(text, SPF_DEFAULT, NULL);
pSpEnumTokens->Release();
}
pSpVoice->Release();
稍后,在您的消息循环中,您需要处理 SAPI 消息:
case WM_APP:
SPEVENT eventItem;
memset( &eventItem;, 0,sizeof(SPEVENT));
while( pVoice->GetEvents(1, &eventItem;, NULL ) == S_OK )
{
switch(eventItem.eEventId )
{
case SPEI_VISEME:
.
.
.
break;
default:
break;
}
SpClearEvent( eventItem );
关于c++ - 如何获取Microsoft TTS语音的耗时?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30049895/