Microsoft Agent 簡介
Microsoft Agent API 提供卡通角色顯示、語音辨識支援、合成語音/錄製音訊/文字輸出回應。應用程式可透過語音命令互動。
必要元件
- Microsoft Agent 核心元件
- 角色：Genie、Merlin、Robby、Peedy
- Microsoft Speech API 4.0a 執行階段
- 語音辨識引擎
- Lernout & Hauspie 文字轉語音引擎
全部可從 官網下載。
語音技術基礎
- 文字轉語音 (TTS)：電腦將文字合成語音輸出
- 語音辨識 (SR)：電腦識別說話內容、接受命令與資料輸入
引擎將語音轉為音素，再轉為應用程式可用文字。
TTS 兩種模式
- 合成式：逐字產生音素，經演算法模擬人聲發聲
- 連續式：從預錄語音庫擷取句子/單字/片語拼接，語音較自然連貫
SAPI 架構與 Agent 角色視窗
Microsoft Speech API (SAPI) 採 COM 架構，Agent 使用 SAPI 進行合成輸出與語音輸入。Agent 定義介面讓應用程式控制角色動畫、使用者輸入事件、指定輸出方式。
角色顯示於獨立視窗，永遠置於 Z 軸最上層。使用者可滑鼠左鍵拖曳移動角色視窗。
說話氣泡
除語音外，角色支援卡通式說話氣泡顯示字幕，說話時出現，結束消失。
