SAPI 5 TTS事件

Question

我写信是想问你一些关于SAPI引擎的特殊问题的建议。我有一个应用程序，可以同时与扬声器和WAV文件。我还需要了解一些事件，即单词边界和结束输入。

    m_cpVoice->SetNotifyWindowMessage(m_hWnd, TTS_MSG, 0, 0);
    hr = m_cpVoice->SetInterest(SPFEI_ALL_EVENTS, SPFEI_ALL_EVENTS);

只是为了测试，我添加了所有事件！当引擎与扬声器对话时，所有事件都被触发并发送到m_hWnd窗口，但当我将输出设置为WAV文件时，它们都不会被发送。

    CSpStreamFormat fmt;  
    CComPtr<ISpStreamFormat> pOld;

    m_cpVoice->GetOutputStream(&pOld);
    fmt.AssignFormat(pOld);
    SPBindToFile(file, SPFM_CREATE_ALWAYS, &m_wavStream, &fmt.FormatId(), fmt.WaveFormatExPtr());
    m_cpVoice->SetOutput(m_wavStream, false);
    m_cpVoice->Speak(L"Test", SPF_ASYNC, 0);

其中file是作为参数传递的路径。

实际上，这段代码是从SAPI SDK上找到的TTS示例中提取的。似乎有点模糊的部分设置格式..。

你能帮我找出这个问题吗？或者你们中有谁知道如何更好地将TTS写到WAV上？我不能使用管理器代码，最好使用C++版本.

非常感谢你的帮助

编辑1

这似乎是一个线程问题，并在spuihelp.h文件中进行搜索，其中包含我发现的SPBindToFile助手，它使用CoCreateInstance()函数创建流。也许这就是ISpVoice对象失去在其创建线程中发送事件的能力的地方。

你对此有什么看法？

Answer 1

我采用了一个即时解决方案，我认为在大多数情况下应该是可以接受的，事实上，当你在文件上写演讲稿时，你会注意到的主要事件是“停止”事件。

所以..。看看一个类的定义：

    #define TTS_WAV_SAVED_MSG            5000
    #define TTS_WAV_ERROR_MSG            5001

    class CSpeech { 
    public:
        CSpeech(HWND); // needed for the notifications
        ...
    private:
        HWND m_hWnd;
        CComPtr<ISpVoice> m_cpVoice;
        ...
        std::thread* m_thread;

        void WriteToWave();
        void SpeakToWave(LPCWSTR, LPCWSTR);
    };

我按照以下方式实现了方法SpeakToWav

    // Global variables (***)
    LPCWSTR tMsg;
    LPCWSTR tFile;
    long tRate;
    HWND tHwnd;
    ISpObjectToken* pToken;

    void CSpeech::SpeakToWave(LPCWSTR file, LPCWSTR msg) {
        // Using, for example wcscpy_s:
        // tMsg <- msg;
        // tFile <- file;

        tHwnd = m_hWnd;
        m_cpVoice->GetRate(&tRate);
        m_cpVoice->GetVoice(&pToken);

        if(m_thread == NULL)
            m_thread = new std::thread(&CSpeech::WriteToWave, this);
    }

而现在..。请看一下WriteToWave()方法：

    void CSpeech::WriteToWav() {
        // create a new ISpVoice that exists only in this
        // new thread, so we need to 
        //
        // CoInitialize(...) and...
        // CoCreateInstance(...)

        // Now set the voice, i.e. 
        //    rate with global tRate, 
        //    voice token with global pToken
        //    output format and...
        //    bind the stream using tFile as I did in the 
        //      code listed in my question

        cpVoice->Speak(tMsg, SPF_PURGEBEFORESPEAK, 0);
        ...

现在，因为我们没有使用SPF_ASYNC标志，所以调用被阻塞了，但是因为我们在一个单独的线程上，主线程可以继续。在Speak()方法完成之后，新线程可以继续如下：

        ...
        if(/* Speak is went ok */)
            ::PostMessage(tHwn, TTS_WAV_SAVED_MSG, 0, 0);
        else
            ::PostMessage(tHwnd, TTS_WAV_ERROR_MSG, 0, 0);
    }

(*)好的！使用全局变量不是很酷:)但是我走得很快。也许使用带有std::reference_wrapper的线程来传递参数会更优雅！

显然，当接收到TTS消息时，您需要为下次调用清除线程！这可以使用这样的CSpeech::CleanThread()方法来完成：

    void CSpeech::CleanThread() {
        m_thread->join(); // I prefer to be sure the thread has finished!
        delete m_thread;
        m_thread = NULL;
    }

你觉得这个解决方案怎么样？太复杂了？