基于科大讯飞的语音识别 windows平台开发
最近，在做一个关于语音识别的项目，并将语音识别应用于UE4
还好，上个学期的树莓派大作业，有了相关的接触，心里有点底，做总能做出来的
就是时间周期的问题，
终于，三天打鱼两天晒网，在一个星期内把它做出来了
总结：百度是个好东西，不过必应更好
我实现的这个功能还是比较基础的，无非就是：
录音 -> 语音识别 ->数据库 -> 语音合成 -> 播放
软件需求：
科大讯飞在线SDK , VS2015 , MySQL , 录音DirectX
录音：
录音是用DirectX
这个软件的话可以去网上下载，都有的，教程也有，我就不多飞口舌了
这个的教程，我写在这里：
http://blog.csdn.net/jerry_csdn_yzr/article/details/74451437
wav文件会生成在D:\workspace(VS)\dididi\dididi\bin\Debug里面 ， 自己可以去找找看
语音识别：
语音合成：
可以到官方下载SDK , 按照它的步骤来一般都是可以执行的
这个简单的嘛，重点是要去看懂它的代码
那么多的函数怎么看？mmp，一个都不认识
可以看看官方给的API，慢慢来，我都看了挺久的
这里可以下载：
http://download.csdn.net/detail/jerry_csdn_yzr/9889554
不收你们钱
一些官方的参数可以在下载下来的SDK中找到，doc文档里面有！！！
然后就是它的语法，
这就得你自己学习了，不多不多，也就十几页
科大讯飞ABNF文法规范
http://download.csdn.net/detail/jerry_csdn_yzr/9889560
数据库：
http://blog.csdn.net/grand910616/article/details/50197859
可以自己看看，怎么连的
这个评论是关键！！！
播放：
这个简单的嘛
上代码：
#include #include #include #pragma comment(lib, "WINMM.LIB") int main() { printf("the answer of your question , and it will be shown as a wav:\n"); PlaySound(TEXT("yzr1.wav"), 0, SND_FILENAME | SND_ASYNC); system("pause"); return 0; }
部分源代码：
/* * 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 * 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 * 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 */ #include #include #include #include #include #include "qtts.h" #include "msp_cmn.h" #include "msp_errors.h" #ifdef _WIN64 #pragma comment(lib,"../libs/msc_x64.lib")//x64 #else #pragma comment(lib,"../libs/msc.lib")//x86 #endif /* wav音频头部格式 */ typedef struct _wave_pcm_hdr { char riff[4]; // = "RIFF" int size_8; // = FileSize - 8 char wave[4]; // = "WAVE" char fmt[4]; // = "fmt " int fmt_size; // = 下一个结构体的大小 : 16 short int format_tag; // = PCM : 1 short int channels; // = 通道数 : 1 int samples_per_sec; // = 采样率 : 8000 | 6000 | 11025 | 16000 int avg_bytes_per_sec; // = 每秒字节数 : samples_per_sec * bits_per_sample / 8 short int block_align; // = 每采样点字节数 : wBitsPerSample / 8 short int bits_per_sample; // = 量化比特数: 8 | 16 char data[4]; // = "data"; int data_size; // = 纯数据长度 : FileSize - 44 } wave_pcm_hdr; /* 默认wav音频头部数据 */ wave_pcm_hdr default_wav_hdr = { { 'R', 'I', 'F', 'F' }, 0, { 'W', 'A', 'V', 'E' }, { 'f', 'm', 't', ' ' }, 16, 1, 1, 16000, 32000, 2, 16, { 'd', 'a', 't', 'a' }, 0 }; /* 文本合成 */ int text_to_speech(const char* src_text, const char* des_path, const char* params) { int ret = -1; FILE* fp = NULL; const char* sessionID = NULL; unsigned int audio_len = 0; wave_pcm_hdr wav_hdr = default_wav_hdr; int synth_status = MSP_TTS_FLAG_STILL_HAVE_DATA; if (NULL == src_text || NULL == des_path) { printf("params is error!\n"); return ret; } fp = fopen(des_path, "wb"); if (NULL == fp) { printf("open %s error.\n", des_path); return ret; } /* 开始合成 */ sessionID = QTTSSessionBegin(params, &ret); if (MSP_SUCCESS != ret) { printf("QTTSSessionBegin failed, error code: %d.\n", ret); fclose(fp); return ret; } ret = QTTSTextPut(sessionID, src_text, (unsigned int)strlen(src_text), NULL); if (MSP_SUCCESS != ret) { printf("QTTSTextPut failed, error code: %d.\n", ret); QTTSSessionEnd(sessionID, "TextPutError"); fclose(fp); return ret; } printf("正在合成 ...\n"); fwrite(&wav_hdr, sizeof(wav_hdr), 1, fp); //添加wav音频头，使用采样率为16000 while (1) { /* 获取合成音频 */ const void* data = QTTSAudioGet(sessionID, &audio_len, &synth_status, &ret); if (MSP_SUCCESS != ret) break; if (NULL != data) { fwrite(data, audio_len, 1, fp); wav_hdr.data_size += audio_len; //计算data_size大小 } if (MSP_TTS_FLAG_DATA_END == synth_status) break; printf(">"); Sleep(150); //防止频繁占用CPU } printf("\n"); if (MSP_SUCCESS != ret) { printf("QTTSAudioGet failed, error code: %d.\n", ret); QTTSSessionEnd(sessionID, "AudioGetError"); fclose(fp); return ret; } /* 修正wav文件头数据的大小 */ wav_hdr.size_8 += wav_hdr.data_size + (sizeof(wav_hdr) - 8); /* 将修正过的数据写回文件头部,音频文件为wav格式 */ fseek(fp, 4, 0); fwrite(&wav_hdr.size_8, sizeof(wav_hdr.size_8), 1, fp); //写入size_8的值 fseek(fp, 40, 0); //将文件指针偏移到存储data_size值的位置 fwrite(&wav_hdr.data_size, sizeof(wav_hdr.data_size), 1, fp); //写入data_size的值 fclose(fp); fp = NULL; /* 合成完毕 */ ret = QTTSSessionEnd(sessionID, "Normal"); if (MSP_SUCCESS != ret) { printf("QTTSSessionEnd failed, error code: %d.\n", ret); } return ret; } int main(int argc, char* argv[]) { int ret = MSP_SUCCESS; const char* login_params = "appid = 594be451, work_dir = .";//登录参数,appid与msc库绑定,请勿随意改动 /* * rdn: 合成音频数字发音方式 * volume: 合成音频的音量 * pitch: 合成音频的音调 * speed: 合成音频对应的语速 * voice_name: 合成发音人 * sample_rate: 合成音频采样率 * text_encoding: 合成文本编码格式 * */ const char* session_begin_params = "voice_name = babyxu, text_encoding = gb2312, sample_rate = 16000, speed = 50, volume = 50, pitch = 50, rdn = 2"; const char* filename = "yzr1.wav"; //合成的语音文件名称 const char* text = "房子价格"; //合成文本 /* 用户登录 */ ret = MSPLogin(NULL, NULL, login_params); //第一个参数是用户名，第二个参数是密码，第三个参数是登录参数，用户名和密码可在http://www.xfyun.cn注册获取 if (MSP_SUCCESS != ret) { printf("MSPLogin failed, error code: %d.\n", ret); goto exit;//登录失败，退出登录 } printf("\n###########################################################################\n"); printf("## 语音合成（Text To Speech，TTS）技术能够自动将任意文字实时转换为连续的 ##\n"); printf("## 自然语音，是一种能够在任何时间、任何地点，向任何人提供语音信息服务的 ##\n"); printf("## 高效便捷手段，非常符合信息时代海量数据、动态更新和个性化查询的需求。 ##\n"); printf("###########################################################################\n\n"); /* 文本合成 */ printf("开始合成 ...\n"); ret = text_to_speech(text, filename, session_begin_params); if (MSP_SUCCESS != ret) { printf("text_to_speech failed, error code: %d.\n", ret); } printf("合成完毕\n"); exit: printf("按任意键退出 ...\n"); _getch(); MSPLogout(); //退出登录 return 0; }
