您现在的位置：程式碼之家 >> 編程語言 > >> C語言 >> VC >> 關於VC++

Microsoft Speech SDK (SAPI 5.1) 文字轉語音 (TTS) 入門：從基本語音合成到 XML 標籤控制、WAV 輸出完整教學

編輯：關於VC++

Microsoft Speech SDK 5.1 提供 SAPI (Speech API)，核心介面 ISpVoice 讓開發者以極少程式碼實現文字轉語音 (TTS)。本文涵蓋環境建置、基本語音輸出、語速/音量/聲音選擇、XML 標籤精細控制 (音調、停頓、逐字拼讀)、將語音存檔為 WAV 完整範例。

環境建置

下載 Microsoft Speech SDK 5.1 及 Language Pack (中文/英文)。
專案屬性 → C/C++ → Additional Include Directories 加入 SDK Include 路徑。
Linker → Additional Library Directories 加入 SDK Lib 路徑。
或在 Tools → Options → Directories 全域設定。

最小可行程式 (20 行)


#include 
#pragma comment(lib, "ole32.lib")
#pragma comment(lib, "sapi.lib")

int main() {
  ISpVoice* pVoice = NULL;
  if (FAILED(::CoInitialize(NULL))) return -1;

  HRESULT hr = CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL,
                                IID_ISpVoice, (void**)&pVoice);
  if (SUCCEEDED(hr)) {
    hr = pVoice->Speak(L"Hello world", 0, NULL);
    pVoice->Release();
  }
  ::CoUninitialize();
  return 0;
}

ISpVoice 核心方法速查

方法	功能	關鍵參數
`Speak(pwcs, dwFlags, pulStreamNumber)`	語音輸出	`pwcs`: Unicode 字串; `dwFlags`: `SPF_IS_XML` (解析 XML), `SPF_ASYNC` (非同步)
`Pause() / Resume()`	暫停/繼續
`SetRate(-10~10) / GetRate()`	語速調整	0=正常, 負=較慢, 正=較快
`SetVolume(0~100) / GetVolume()`	音量調整
`SetSyncSpeakTimeout(ms)`	同步模式逾時	避免 Speak 卡死
`SetOutput(pUnk, fAllowFormatChanges)`	設定輸出目標	可導向檔案串流、音訊裝置

XML 標籤精細控制 (需 `SPF_IS_XML`)


pVoice->Speak(L""
              L"Volume Max Normal",
              SPF_IS_XML, NULL);

標籤	功能	範例
`<VOICE REQUIRED='Name=...'/>`	選擇聲音引擎	Microsoft Sam / Mary / Mike (英文版)
`<VOLUME LEVEL='0~100'>...</VOLUME>`	區段音量	`<VOLUME LEVEL='50'>安靜</VOLUME>`
`<PITCH MIDDLE='-10~10'>...</PITCH>`	音調
`<RATE SPEED='-10~10'>...</RATE>`	語速
`<SPELL>...</SPELL>`	逐字母拼讀	`<SPELL>ABC</SPELL>`
`<EMPH>...</EMPH>`	強調
`<SILENCE MSEC='ms'/>`	靜音停頓	`<SILENCE MSEC='500'/>`
`<PRON SYM='phoneme'/>`	指定音素發音	`<PRON SYM='h eh - l ow 1'/> (hello)`
`<CONTEXT ID='date_ymd'>...</CONTEXT>`	日期/時間/數字讀法	`<CONTEXT ID='date_ymd'>1999.12.21</CONTEXT>`

XML 標籤可巢狀，但手工撰寫大量標籤極其繁瑣，實務上建議開發「所見即所得」編輯器自動產生標記文本。

將語音輸出存為 WAV 檔案


#include  // SDK 範例工具標頭

ISpVoice* pVoice = NULL;
CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_ALL, IID_ISpVoice, (void**)&pVoice);

CComPtr cpWavStream;
CComPtr cpOldStream;
CSpStreamFormat origFmt;
pVoice->GetOutputStream(&cpOldStream);
origFmt.AssignFormat(cpOldStream);

// 綁定檔案串流
HRESULT hr = SPBindToFile(L"D:\\output.wav", SPFM_CREATE_ALWAYS,
                          &cpWavStream, &origFmt.FormatId(),
                          origFmt.WaveFormatExPtr());
if (SUCCEEDED(hr)) {
  pVoice->SetOutput(cpWavStream, TRUE);
  pVoice->Speak(L"Text to wave", SPF_IS_XML, NULL);
}
pVoice->Release();
::CoUninitialize();

中文支援注意事項

必須安裝 中文 Language Pack (如 MSSpeech_TTS_zh-CN_HuiHui.msi / MSSpeech_TTS_zh-TW_HanHan.msi)。
語音引擎名稱於註冊表 HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices\Tokens 查詢。
中文 TTS 引擎支援注音/拼音標記，需查閱對應 Phoneme Table。