利用微软Speech SDK 5.1在MFC中进行语音识别介绍
4星 · 超过85%的资源 需积分: 9 39 浏览量
2011-05-13
09:32:21
上传
评论 3
收藏 33KB DOC 举报 
http://wenku.baidu.com/view/b5c11b13a216147916112805.html
微软语音识别分两种模式:文本识别模式和命令识别模式.此两种模式的主要区别,主要在于
识别过程中使用的匹配字典不同.前者使用的是通用字典,特点是内容多,覆盖的词汇量大,字
典由 sdk 提供.适用于没有预定目标的随机听写之类的应用.同时因为词汇量大直接导致识别
的精度降低,识别速度较慢.后者的字典需要 开发者自己编写,就是你们所说的 xml 文件.xml
文件作为一种数据存储的方式,有一定的格式,定义了 sdk 需要确定的一些标签,和用以匹配的
词汇.这种方式由开发者定义词汇的数量,大大降低匹配过程中需要检索的词汇量,提高了识
别速度.同时因为侯选项极少,所以一般不会识别错误.其缺点也是明显的:词汇量小,只有预先
输入字典的词汇可以被识别出来,所以一般用来作为常用命令的识别,方便用户操作,代替菜
单命令等.
利用微软 Speech SDK 5.1 在 MFC 中进 行 语 音 识 别 开 发 时 的 主 要 步 骤 ， 以 Speech API
5.1+VC6 为例：
1、初始化 COM 端口
一般在 CWinApp 的子类中，调用 CoInitializeEx 函数进行 COM 初始化，代码如下：
::CoInitializeEx(NULL,COINIT_APARTMENTTHREADED); // 初始化 COM
注意：调用这个函数时，要在工程设置（project settings） ->C/C++ 标签,Category 中选
Preprocessor，在 Preprocessor definitions:下的文本框中加上“,_WIN32_DCOM”。否则编译不
能通过。
2、创建识别引擎
微软 Speech SDK 5.1 支持两种模式的：共享（Share）和独享（InProc）。一般情况下可以
使用共享型，大的服务型程序使用 InProc。如下：
hr = m_cpRecognizer.CoCreateInstance(CLSID_SpSharedRecognizer);//Share
hr = m_cpRecognizer.CoCreateInstance(CLSID_SpInprocRecognizer);//InProc
如果是 Share 型，可直接进到步骤 3；如果是 InProc 型，必须使用 ISpRecognizer::SetInput
设置语音输入。如下：
CComPtr<ISpObjectToken> cpAudioToken; //定义一个 token
hr = SpGetDefaultTokenFromCategoryId(SPCAT_AUDIOIN, &cpAudioToken); //建立默认的音
频输入对象
if (SUCCEEDED(hr)) { hr = m_cpRecognizer->SetInput(cpAudioToken, TRUE);}
或者：
CComPtr<ISpAudio> cpAudio; //定义一个音频对象
hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, &cpAudio);// 建立默认的音频
输入对象
hr = m_cpRecoEngine->SetInput(cpAudio, TRUE);//设置识别引擎输入源
3、创建识别上下文接口
调用 ISpRecognizer::CreateRecoContext 创建识别上下文接口（ISpRecoContext），如下：
hr = m_cpRecoEngine->CreateRecoContext( &m_cpRecoCtxt );
4、设置识别消息
调用 SetNotifyWindowMessage 告诉 Windows 哪个是我们的识别消息，需要进行处理。如下：
mmayan
- 粉丝: 1
- 资源: 3
- 1
- 2
前往页