基于科大讯飞语音云windows平台开发
时间：2014-06-18 07:23:42
收藏：0
阅读：594
前记：
前段时间公司没事干，突发奇想想做一个语音识别系统，看起来应该很简单的，但做起来却是各种问题，这个对电气毕业的我，却是挺为难的。谷姐已经离我们而去，感谢度娘，感谢CSDN各位大神，好歹也做的是那么回事了，虽然还是不好用，但基本功能实现了。
该软件使用VS2008C++/CLR开发，由于科大讯飞提供的是C的API接口，结果到这边就是各种不兼容，CLR是基于托管堆运行的，而这个API有是非托管堆的，使用了各种指针，原本打算使用C#来做，最后门外汉的我也没能做到C#和C指针完美结合，真怀恋单片机写代码的年代啊。还有录音方面需要directX是的支持。软件下载地址：http://download.csdn.net/detail/liucheng5037/7509003
软件运行界面如下图所示：
左边实现文字转语音，需要在文本框中输入文字，然后根据需要配置好声音，音量，速度选项，点击播放，软件会先通过讯飞的API获取语音，然后以设定的方式播放出来。
右边实现语音转文字，直接按住button说话，松开后软件通过讯飞的API将语音信息传递给语音云，最后返回文字显示在文本框。
看起来很简单的东西折腾了我不少时间啊！！！
系统组成
该系统由4部分组成：讯飞云、语音录入、语音播放、系统控制。语音播放和讯飞云封装在一个类XunFeiSDK里面，语音录入使用的是网上找的基于DirectX的类SoundRecord，基于C#写的，本想把录入也写到讯飞云那个类里去，结果说什么非托管的类不能有基于托管堆的成员，无奈只有单独出来，作为一个dll文件存在。系统控制是在form类里面。
讯飞语音云：
（先复制一段官方说法）
讯飞移动语音平台是基于讯飞公司已有的ISP 和IMS 产品，开发出的一款符合移动互联网用户使用的语音应用开发平台，提供语音合成、语音听写、语音识别、声纹识别等服务，为语音应用开发爱好者提供方便易用的开发接口，使得用户能够基于该开发接口进行多种语音应用开发。其主要功能有：
1)实现基于HTTP 协议的语音应用服务器，集成讯飞公司最新的语音引擎，支持语音合成、语音听写、语音识别、声纹识别等服务；
2)提供基于移动平台和PC 上的语音客户端子系统，内部集成音频处理和音频编解码模块，提供关于语音合成、语音听写、语音识别和声纹识别完善的API。
（复制完毕）
由于只想写的玩玩，没有太多时间，故直接把官方C语言写的demo复制过来，转变成一个类。官方提供了一个dll文件一个lib文件还有一堆H文件。具体执行的代码时封装在dll文件里的，我们看不到，我们需要引入lib文件来间接调用语音函数。引入lib的方式如下：
#ifdef _WIN64 #pragma comment(lib,"../lib/msc_x64.lib")//x64 #else #pragma comment(lib,"../lib/msc.lib")//x86 #endif
然后需要include下面几个H文件：
#include "../include/qisr.h" #include "../include/qtts.h" #include "../include/msp_cmn.h" #include "../include/msp_errors.h"
类XunFeiSDK不能使用ref来修饰，不然又是各种托管堆和非托管堆不能互通之类的报错。讯飞语音一个转换来回如下：
讯飞语音详细的说明可以到这里下载http://open.voicecloud.cn/index.php/services/voicebase?type=tts&tab_index=1
选择windowsSDK开发包，里面有一些简单的demo和说明，不过需要事先注册才能下载。
有一点要注意的是，语音返回的音频格式是PCM这种格式和wav很像，一般支持WAV的播放器都支持PCM。不同的语音播放方式如普通话女声和东北话使用的语音引擎不同，具体可参考类SoundType。
登录可以在软件打开时执行，登出可以在软件关闭时执行，中间的转换每次需要执行一次，因为每次执行的sessionID不一样，每次需要重新发起会话。
语音录入：
这一部分花的时间比较长，刚开始时什么都不知道啊，一点录入的概念都没有，完全不知道该调用什么API，用什么控件，只有到处百度，试了各种办法，最后，果然CSDN是大神出没的地方，被我找到了，地址如下：C#中使用DirectSound录音。
这个类封装的很好，就只有3个函数。
SetFileName():录音文件存放位置和名称
RecStart():开始录音
RecStop():结束录音
整个录音过程是在一个单独线程上运行的，不会影响主程序运行。
C#DLL文件移植到C++的方法：
1、使用#using把文件包含进来#using "SoundRecord.dll"；
2、增加命名空间usingnamespace VoiceRecord;
3、声明一个对象，注意类名不可以和命名空间名一致，这样虽然声称dll时不会出错，但编译会出错， SoundRecord^ recorder;
语音播放
该部分比较简单，直接使用了System::Media命名空间下的类SoundPlayer，在使用时直接gcnew一个对象，然后load()，然后play()，当然，load可以不要的。这个play可以支持播放PCM和WAV格式语音，其他格式未试验。
系统控制部分
在这一部分声明了一个静态的XunFeiSDK类指针，还有一个录音类的托管对象，还有转换进程等。
static XunFeiSDK* xunfei; static SoundRecord^ recorder; Thread^ xunfei_thread;
音频转文字部分采用了单独线程，由于子线程不可以访问主线程的form控件，无奈又加了个定时器和标志位来检测子线程是否完成，网上说可以采用委托的方式来访问控件，但本人实在弄不懂委托，只有放弃，这一部分做的很单片机的style。
在文字转语音部分没有采用进程，会有在这里卡一会。
知识点
1、由于使用的是讯飞的C库，又用到了C++/CLR的form，托管堆和非托管堆的鸿沟很麻烦。
本程序使用了微软提供的转换函数。需要include的内容：
#include <windows.h> #include <string> #include <iostream> #include <sstream> include <msclr\marshal.h>
a、std::string转const char *
const char *strp=str.c_str();
b、System::String^转 string 和 const char*
Stringstd_str = (constchar*)(Marshal::StringToHGlobalAnsi(nowTime.ToString(Sys_str))).ToPointer();
c、char* 转 System::String^
Sys_str = Marshal::PtrToStringAnsi((IntPtr)char_str);
d、int 转 std::String
ostringstreamoss1;
oss1<<int_num;
std_str = oss1.str();
2、同一文件下，若一个类需要使用另一个类，则需要在前面声明一下，这和C函数类似。
Eg：refclass SoundType;
3、在非托管类下，不能使用托管类作为成员；实例化托管对象需要使用gcnew，实例化非托管对象直接使用new。
4、对List之类的对象，可以直接添加任何对象，包括form上的List，比如ComboBox，显示是显示该对象的ToString方法。
TOString方法重载：
virtual System::String^ ToString() override//重载ToString方法
{
return voice;
}
5、switchcase 不支持string类型的值输入。
部分源代码如下：
//类XunFeiSDK
/*
string str("hello");
const char *strp=str.c_str(); string转const char*
*/
//#using "Microsoft.DirectX.DirectSound.dll"
//#using "Microsoft.DirectX.dll"
#include "../SoundTest/stdafx.h"
//#include "stdafx.h"
#include "stdlib.h"
#include "stdio.h"
#include <windows.h>
#include <conio.h>
#include <errno.h>
#include <iostream>
#include <sstream>
#include <fstream>
#include <time.h>
#include <string>
#include <msclr\marshal.h>
using namespace std;
#include "../include/qisr.h"
#include "../include/qtts.h"
#include "../include/msp_cmn.h"
#include "../include/msp_errors.h"
#ifdef _WIN64
#pragma comment(lib,"../lib/msc_x64.lib")//x64
#else
#pragma comment(lib,"../lib/msc.lib")//x86
#endif
#define DebugPrint(str_x,msg_y) fprintf(out_file,(str_x),(msg_y))
typedef int SR_DWORD;
typedef short int SR_WORD ;
//音频头部格式
struct wave_pcm_hdr
{
char riff[4]; // = "RIFF"
SR_DWORD size_8; // = FileSize - 8
char wave[4]; // = "WAVE"
char fmt[4]; // = "fmt "
SR_DWORD dwFmtSize; // = 下一个结构体的大小: 16
SR_WORD format_tag; // = PCM : 1
SR_WORD channels; // = 通道数: 1
SR_DWORD samples_per_sec; // = 采样率: 8000 | 6000 | 11025 | 16000
SR_DWORD avg_bytes_per_sec; // = 每秒字节数: dwSamplesPerSec * wBitsPerSample / 8
SR_WORD block_align; // = 每采样点字节数: wBitsPerSample / 8
SR_WORD bits_per_sample; // = 量化比特数: 8 | 16
char data[4]; // = "data";
SR_DWORD data_size; // = 纯数据长度: FileSize - 44
} ;
//默认音频头部数据
const struct wave_pcm_hdr default_pcmwavhdr =
{
{ 'R', 'I', 'F', 'F' },
0,
{'W', 'A', 'V', 'E'},
{'f', 'm', 't', ' '},
16,
1,
1,
16000,
32000,
2,
16,
{'d', 'a', 't', 'a'},
0
};
namespace SoundTest {
using namespace System;
using namespace System::Runtime::InteropServices;
using namespace System::Media;
using namespace msclr::interop;
ref class SoundType;
public class XunFeiSDK{
private: FILE* out_file;//输出log文件
string appid;
int ret;
string pcm_path;//存储音频文件的文件名
string user;
string password;
string voice_type;//语言类型
string volunm;//音量0-10
string engin;//引擎
string voice_speed;//语速-10
public: XunFeiSDK()
{
DateTime nowTime = DateTime::Now;
string nowTimes = (const char*)(Marshal::StringToHGlobalAnsi(nowTime.ToString("yyyy-MM-dd HH:mm:ss"))).ToPointer();
fopen_s(&out_file,"log.txt","at+");
if(out_file == NULL)
{
ret = -1;
return;
}
fseek(out_file, 0, 2);
fprintf(out_file,"begin Time:%s \n",nowTimes.c_str());
appid = "";
user = "";
password = "53954218";//可以上官网注册专属自己的ID
pcm_path = "PCM_SPEED.pcm";
voice_type = "xiaoyan";
volunm = "7";
voice_speed = "5";
engin = "intp65";
}
~XunFeiSDK()
{
string nowTimes = (const char*)(Marshal::StringToHGlobalAnsi(DateTime::Now.ToString("yyyy-MM-dd HH:mm:ss"))).ToPointer();
fprintf(out_file,"Time:%s end\n",nowTimes.c_str());
fclose(out_file);
}
public: int status()
{
return ret;
}
bool Login()//登录
{
string logins = "appid = " + appid + ",work_dir = . ";
ret = MSPLogin(user.c_str(), password.c_str(), logins.c_str());
if ( ret != MSP_SUCCESS )
{
fprintf(out_file,"MSPLogin failed , Error code %d.\n",ret);
return false;
}
return true;
}
void Logout()
{
MSPLogout();//退出登录
}
int TextToSpeed(System::String^ Ssrc_text)//字符串转音频，音频存放在PCM_SPEED.pcm下
{
#pragma region 字符串转音频
struct wave_pcm_hdr pcmwavhdr = default_pcmwavhdr;
const char* sess_id = NULL;
unsigned int text_len = 0;
char* audio_data = NULL;
unsigned int audio_len = 0;
int synth_status = MSP_TTS_FLAG_STILL_HAVE_DATA;
FILE* fp = NULL;
string params = "vcn=xiaoyan, spd = 50, vol = 50";//参数可参考可设置参数列表
ret = -1;//失败
//参数配置
params = "vcn=" + voice_type + ", spd = " + voice_speed + ", vol = " + volunm + ", ent = "+engin;
const char* src_text = (const char*)(Marshal::StringToHGlobalAnsi(Ssrc_text)).ToPointer();
pcm_path = "PCM_SPEED.pcm";
fprintf(out_file,"begin to synth source = %s\n",src_text);
if (NULL == src_text)
{
fprintf(out_file,"params is null!\n");
return ret;
}
text_len = strlen(src_text);//获取文本长度
fopen_s(&fp,pcm_path.c_str(),"wb");//打开PCM文件
if (NULL == fp)
{
fprintf(out_file,"open PCM file %s error\n",pcm_path);
return ret;
}
sess_id = QTTSSessionBegin(params.c_str(), &ret);//开始一个会话
if ( ret != MSP_SUCCESS )
{
fprintf(out_file,"QTTSSessionBegin: qtts begin session failed Error code %d.\n",ret);
return ret;
}
fprintf(out_file,"sess_id = %s\n",sess_id);
ret = QTTSTextPut(sess_id, src_text, text_len, NULL );//发送txt信息
if ( ret != MSP_SUCCESS )
{
fprintf(out_file,"QTTSTextPut: qtts put text failed Error code %d.\n",ret);
QTTSSessionEnd(sess_id, "TextPutError");//异常，结束
return ret;
}
fwrite(&pcmwavhdr, sizeof(pcmwavhdr) ,1, fp);//把开始文件写到最前面
while (1)//循环读取音频文件并存储
{
const void *data = QTTSAudioGet(sess_id, &audio_len, &synth_status, &ret);
if (NULL != data)
{
fwrite(data, audio_len, 1, fp);
pcmwavhdr.data_size += audio_len;//修正pcm数据的大小
}
if (synth_status == MSP_TTS_FLAG_DATA_END || ret != 0)
break;
}//合成状态synth_status取值可参考开发文档
//修正pcm文件头数据的大小
pcmwavhdr.size_8 += pcmwavhdr.data_size + 36;
//将修正过的数据写回文件头部
fseek(fp, 4, 0);
fwrite(&pcmwavhdr.size_8,sizeof(pcmwavhdr.size_8), 1, fp);
fseek(fp, 40, 0);
fwrite(&pcmwavhdr.data_size,sizeof(pcmwavhdr.data_size), 1, fp);
fclose(fp);
ret = QTTSSessionEnd(sess_id, NULL);
if ( ret != MSP_SUCCESS )
{
fprintf(out_file,"QTTSSessionEnd: qtts end failed Error code %d.\n",ret);
}
fprintf(out_file,"program end");
return ret;
#pragma endregion
}
System::String^ GetPcmName()//获取音频文件路径
{
return gcnew String(pcm_path.c_str());
}
int Play(System::String^ text)//播放音频文件
{
if(text == "") return -1;
SoundPlayer^ player = (gcnew SoundPlayer(text));//音频播放器
player->SoundLocation = text;
player->Load();
player->Play();
return 0;
}
int StartRecord()//开始录音
{
}
int EndRecord()//结束录音
{
}
System::String^ SpeedToText(System::String^ text)//语音转文字，输入语音文件名，返回文字信息
{
System::String^ Sys_value = "No data return";
const char* src_wav_filename = (const char*)(Marshal::StringToHGlobalAnsi(text)).ToPointer();
//test = Marshal::PtrToStringAnsi((IntPtr)(char *)src_text);
//return test;
char rec_result[1024] = {0};//存放返回结果
const char *sessionID = NULL;
FILE *f_pcm = NULL;//
char *pPCM = NULL;//存放音频文件缓存
int lastAudio = 0 ;
int audStat = MSP_AUDIO_SAMPLE_CONTINUE ;
int epStatus = MSP_EP_LOOKING_FOR_SPEECH;
int recStatus = MSP_REC_STATUS_SUCCESS ;
long pcmCount = 0;
long pcmSize = 0;//音频文件大小
int errCode = 10 ;
string param = "sub=iat,auf=audio/L16;rate=16000,aue=speex-wb,ent=sms16k,rst=plain,rse=gb2312";
fprintf(out_file,"Start iat...\n");
sessionID = QISRSessionBegin(NULL, param.c_str(), &errCode);//开始一路会话
fopen_s(&f_pcm,src_wav_filename, "rb");
if (NULL != f_pcm) {
fseek(f_pcm, 0, SEEK_END);
pcmSize = ftell(f_pcm);//获取音频大小
fseek(f_pcm, 0, SEEK_SET);
pPCM = (char *)malloc(pcmSize);//分配内存存放音频
fread((void *)pPCM, pcmSize, 1, f_pcm);
fclose(f_pcm);
f_pcm = NULL;
}//读取音频文件,读到pPCM中
else
{
fprintf(out_file,"media %s not found\n",src_wav_filename);
return Sys_value;
}
while (1) {//开始往服务器写音频数据
unsigned int len = 6400;
int ret = 0;
if (pcmSize < 12800) {
len = pcmSize;
lastAudio = 1;//音频长度小于
}
audStat = MSP_AUDIO_SAMPLE_CONTINUE;//有后继音频
if (pcmCount == 0)
audStat = MSP_AUDIO_SAMPLE_FIRST;
if (len<=0)
{
break;
}
fprintf(out_file,"csid=%s,count=%d,aus=%d,",sessionID,pcmCount/len,audStat);
ret = QISRAudioWrite(sessionID, (const void *)&pPCM[pcmCount], len, audStat, &epStatus, &recStatus);//写音频
fprintf(out_file,"eps=%d,rss=%d,ret=%d\n",epStatus,recStatus,errCode);
if (ret != 0)
break;
pcmCount += (long)len;
pcmSize -= (long)len;
if (recStatus == MSP_REC_STATUS_SUCCESS) {
const char *rslt = QISRGetResult(sessionID, &recStatus, 0, &errCode);//服务端已经有识别结果，可以获取
fprintf(out_file,"csid=%s,rss=%d,ret=%d\n",sessionID,recStatus,errCode);
if (NULL != rslt)
strcat_s(rec_result,rslt);
}
if (epStatus == MSP_EP_AFTER_SPEECH)
break;
Sleep(150);//模拟人说话时间间隙
}
QISRAudioWrite(sessionID, (const void *)NULL, 0, MSP_AUDIO_SAMPLE_LAST, &epStatus, &recStatus);//写入结束
free(pPCM);
pPCM = NULL;
while (recStatus != MSP_REC_STATUS_COMPLETE && 0 == errCode) {
const char *rslt = QISRGetResult(sessionID, &recStatus, 0, &errCode);//获取结果
fprintf(out_file,"csid=%s,rss=%d,ret=%d\n",sessionID,recStatus,errCode);
if (NULL != rslt)
{
strcat_s(rec_result,rslt);
}
Sleep(150);
}
QISRSessionEnd(sessionID, NULL);
fprintf(out_file,"The result is: %s\n",rec_result);
if(NULL != rec_result)//不为空时返回正确值
Sys_value = Marshal::PtrToStringAnsi((IntPtr)rec_result);//数值转换
return Sys_value;
}
void set_tts_params(System::String^ e_voice_type , System::String^ e_engin , int e_volunm , int e_speed)
{
const char* src_text = (const char*)(Marshal::StringToHGlobalAnsi(e_voice_type)).ToPointer();
voice_type = src_text;
src_text = (const char*)(Marshal::StringToHGlobalAnsi(e_engin)).ToPointer();
engin = src_text;
ostringstream oss1;
ostringstream oss2;
oss1<<e_volunm;
volunm = oss1.str();//音量
oss2<<e_speed;
voice_speed = oss2.str();//语速
}
};
public ref class SoundType{
public: System::String^ engin;//语音引擎
System::String^ voice_type;//说话类型
System::String^ voice;//显示
SoundType(System::String^ e_voice)//switch case 不支持string的输入
{
voice = e_voice;
if (e_voice == "普通话女声") {engin = "intp65";voice_type = "xiaoyan";}
else if(e_voice == "普通话男声") {engin = "intp65";voice_type = "xiaoyu";}
else if(e_voice == "英文女声") {engin = "intp65_en";voice_type = "Catherine";}
else if(e_voice == "英文男声") {engin = "intp65_en";voice_type = "henry";}
else if(e_voice == "粤语") {engin = "vivi21";voice_type = "vixm";}
else if(e_voice == "台湾话") {engin = "vivi21";voice_type = "vixl";}
else if(e_voice == "四川话") {engin = "vivi21";voice_type = "vixr";}
else if(e_voice == "东北话") {engin = "vivi21";voice_type = "vixyun";}
else {engin = "intp65";voice_type = "xiaoyan";voice = "普通话女声";}
}
SoundType()
{
engin = "intp65";voice_type = "xiaoyan";voice = "普通话女声";
}
virtual System::String^ ToString() override//重载ToString方法
{
return voice;
}
};
}
FORM类：
局部变量：
private: static XunFeiSDK* xunfei; private: Thread^ xunfei_thread; static int end_flag; static String^ end_result; ArrayList^ voice_types; private: static SoundRecord^ recorder;
#pragma region 控件触发函数
private: System::Void Form1_Load(System::Object^ sender, System::EventArgs^ e) {
xunfei = (new XunFeiSDK());
end_flag = 0;
if(-1 == xunfei->status())
{
MessageBox::Show("初始化失败");
this->Close();//关闭窗体
return;
}
if(!(xunfei->Login()))
{
MessageBox::Show("登录失败");
this->Close();//关闭窗体
return;
}
volunm_lab->Text = "音量 " + volunm_bar->Value;
speed_lab->Text = "速度 " + speed_bar->Value;
}
private: System::Void Form1_FormClosing(System::Object^ sender, System::Windows::Forms::FormClosingEventArgs^ e) {
xunfei->Logout();//登出
delete xunfei;//必须释放才会调用析构函数
delete recorder;
}
private: System::Void play_tts_btn_Click(System::Object^ sender, System::EventArgs^ e) {
// tts_status_lab->Text = "先转换，再播放语音";
set_xunfei_param();//参数设置
if(-1 == xunfei->TextToSpeed(txt_speak->Text))
{
MessageBox::Show("转换失败");
}
else
{
xunfei->Play(xunfei->GetPcmName());
}
}
private: System::Void speak_btn_MouseDown(System::Object^ sender, System::Windows::Forms::MouseEventArgs^ e) {
StartRecord();//开始录音线程
status_lab->Text = "录音中.....";
}
private: System::Void speak_btn_MouseUp(System::Object^ sender, System::Windows::Forms::MouseEventArgs^ e) {
status_lab->Text = "结束录音，转换中...";
xunfei_thread = (gcnew Thread(gcnew ThreadStart(EndRecord)));
xunfei_thread->Start();
}
private: System::Void timer1_Tick(System::Object^ sender, System::EventArgs^ e) {
if(1 == end_flag)
{
end_flag = 0;
result_box->Text = end_result;
status_lab->Text = "转换结束";
}
}
private: System::Void volunm_bar_Scroll(System::Object^ sender, System::EventArgs^ e) {
volunm_lab->Text = "音量 " + volunm_bar->Value;
}
private: System::Void speed_bar_Scroll(System::Object^ sender, System::EventArgs^ e) {
speed_lab->Text = "速度 " + speed_bar->Value;
}
#pragma endregion
#pragma region 自定义函数
private: void set_xunfei_param()//讯飞语音参数设置
{
SoundType^ sound_type;
sound_type = (SoundType^)(voice_type->SelectedItem);//获取选中的对象
xunfei->set_tts_params(sound_type->voice_type , sound_type->engin , volunm_bar->Value , speed_bar->Value);
}
private: static void StartRecord()
{
recorder = (gcnew SoundRecord());
recorder->SetFileName("record.wav");
recorder->RecStart(); //开始录音
}
private:static void EndRecord()
{
// String text;
recorder->RecStop();
delete recorder;
end_result = xunfei->SpeedToText("record.wav");//录音结束，显示语音转换结果
end_flag = 1;
}
#pragma endregion
评论（0）