1 / 14

Microsoft Speech SDK

Text To Speech Autor: Damian Turula. Microsoft Speech SDK. Plan Prezentacji. Microsoft Speech API 5.4 (SAPI 5.4) Czym jest Text To Speech Microsoft Voices Text To Speech w SAPI 5.4 (Windows 7) Omówienie niektórych dostępnych metod Koniec (+ pytania na kolokwium). Microsoft Speech API 5.4.

anahid
Download Presentation

Microsoft Speech SDK

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Text To Speech Autor: Damian Turula Microsoft Speech SDK

  2. Plan Prezentacji • Microsoft Speech API 5.4 (SAPI 5.4) • Czym jest Text To Speech • Microsoft Voices • Text To Speech w SAPI 5.4 (Windows 7) • Omówienie niektórych dostępnych metod • Koniec (+ pytania na kolokwium)

  3. Microsoft Speech API 5.4 • SAPI 5.4 jest jedynie zaktualizowaną wersją SAPI 5.3 spod Windows Vista wbudowaną w Windows 7. Od tej pory jest częścią Windows SDK • Wersja 5.3 Wprowadza wsparcie dla W3C XML speech grammars for recognition and synthesis. Innymi słowy wprowadza możliwość ustalania cech głosu takich jak szybkość, głośność, wysokość, wymowę. • Wprowadzona zostaje wersja 8 silnika do rozpoznawania mowy

  4. Text To Speech • Text To Speech – Jest to część Microsoft Speech SDK odpowiedzialna za syntezę mowy. Wykorzystując dostępne metody jesteśmy w stanie „przeczytać“ tekst bądź zawartość pliku tekstowego który chcemy usłyszeć. Wykorzystuje się do tego któryś z dostępnych głosów dostarczanych przez Microsoft.

  5. Microsoft Voices • Microsoft Sam – Domyślny męski głos w Microsoft Windows XP • Microsoft Mike and Mary – opcjonalne głosy męski i damski, do ściągnięcia ze strony Microsoftu. • Wszystkie z 3 powyższych nie działają dla Windows Vista i nowszych systemów. • Microsoft Anna – dostępna jedynie w Speech SDK 5.x jest domyślnym, damskim głosem w Windows Vista i 7 • Microsoft Lili – Chiński głos dostępny w chińskiej wersji językowej Windows Vista i wyżej. Dostępny dla innych wersji językowych jeśli używamy Windows Vista/7 wersję Ultimate • Microsoft David(male), Hazel(female), Zera(female) – nowe głosy dostępne dla Text to Speech w Windows 8

  6. TTS w SAPI 5.4 • Aplikacje wykorzystują Text To Speech korzystając z interfejsu ISpVoice COM. Po stworzeniu obiektu ISpVoice wystarczy wywołać metodę ISpVoice::Speak by wygenerować prosty output z tekstu. • Interfejs ISpVoice dostarcza szereg metod do zmian pewnych ustawień takich jak głośność, szybkość odtwarzania a także możliwość wyboru głosu. • Ponadto jest możliwość wrzucania w tekst znaczników XML do zmian niektórych parametrów w trakcie przetwarzania.

  7. ISpVoice::Speak • HRESULT Speak( LPCWSTR *pwcs, DWORD dwFlags, ULONG *pulStreamNumber); • *pwcs – tekst który ma zostać zamieniony na mowę • dwFlags – flagi modyfikujące sposób w jaki przeprowadzana jest synteza, przykłady flag: • SPF_ASYNC – sprawia, że wywołanie metody Speak jest asynchroniczne • SPF_IS_FILENAME – determinuje, że *pwcs jest ścieżką do pliku tekstowego, który ma zostać przetworzony • SPF_PURGEBEFORESTREAM – czyści wszystkie zapytania z kolejki pozostawiając tylko to • *pulStreamNumber – wskaźnik na ULONG do którego zostanie zwrócony numer strumienia skojarzony z tym zapytaniem

  8. ISpVoice::Pause • HRESULT Pause ( void ); • Zwiększa licznik Pauzy, jeśli jest większy od 0 to przetwarzanie jest wstrzymane. • Zawołane gdy przetwarzanie jest wstrzymane, będzie się sumować, i zostanie zdjęte dopiero, gdy metoda ISpVoice::Resume zostanie zawołana dokładnie taką samą ilość razy

  9. ISpVoice::Resume • HRESULT Resume ( void ); • zmniejsza licznik pauzy, który jest zwiększany przez metodę ISpVoice::Pause • Przetwarzanie jest wznawiane gdy licznik pauzy zejdzie do 0

  10. ISpVoice::Skip HRESULT Skip( LPCWSTR *pItemType, • long lNumItems, ULONG *pulNumSkipped); • *pItemType – określa typ elementu, jaki ma być pomijany • Obecnie wspierany jest tylko „SENTENCE“ • lNumItems – określa liczbę elementów do pominięcia • >0 – przesuwa do przodu względem obecnej pozycji • <0 – cofa względem obecnej pozycji • 0 – cofa do początku obecnego elementu • *pulNumSkipped – wskaźnik na element typu ULONG do którego zwracana jest liczba ominiętych elementów

  11. ISpVoice::SetRate • HRESULT SetRate( long RateAdjust); • RateAdjust – Wartość określająca tempo mówienia. Wspierane są wartości z zakresu -10 do +10 • Można to regulować za pomocą tej metody, jak i wklejając w tekst znacznik XML

  12. ISpVoice::SetVolume • HRESULT SetVolume(USHORT usVolume); • usVolume – wartość określająca poziom dźwięku jaki chcemy ustawić • Wartość z zakresu 0 – 100 określająca procentowo poziom dźwięku względem obecnego

  13. ISpVoice::SetVoice • HRESULT SetVoice( ISpObjectToken *pToken); • *pToken – wskaźnik na Token opisujący głos, który chcemy wybrać • w przypadku NULL użyty zostanie domyślny głos

  14. Pytania na kolokwium • Jaką flagę trzeba ustawić by ISpVoice::Speak czytało z pliku .txt • Jak się nazywa standardowy głos TTS w Windows 7

More Related