如何获取Microsoft TTS语音的经过时间？

Question

我现在用下面的函数来实现一个TTS服务

int tts(LPCWSTR text){
    ::CoInitialize(NULL);         
    CLSID CLSID_SpVoice;
    CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
    ISpVoice *pSpVoice = NULL;
    IEnumSpObjectTokens *pSpEnumTokens = NULL;

    if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice))){
        return -1;
    }

    if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens))){
        ISpObjectToken *pSpToken = NULL;
        SpFindBestToken(SPCAT_VOICES, L"Gender=Male", L"Name=Microsoft Simplified Chinese", &pSpToken);
        pSpVoice->SetVoice(pSpToken);
        pSpVoice->Speak(text, SPF_DEFAULT, NULL);
        pSpEnumTokens->Release();        
    }

    pSpVoice->Release();
    ::CoUninitialize();
    return 0;
}

我可以得到每个字被说出的经过时间吗？或者它是恒定的（如果设置了语速）？目的是想展示一些面部动画来配合演讲...

Answer 1

您不一定需要经过的时间；你可以使用 Viseme 事件来触发你的动画。

由于您使用的是 C++，因此请使用 ISpVoice::SetInterest to describe the set of events that you want, and one of the ISpNotifySource 方法（取决于您的外部代码在做什么）来获取传递给您的事件。

Microsoft 提供了详细的 workthrough 以防此草图没有帮助。

请注意，具体的组视位（以及视位映射到哪些值）取决于语言。对于美国英语，视位定义为 here。对于中文，从音位到语音位的映射没有公开定义。

另一方面，您可以使用发音事件作为触发器，而不必真正关心实际的发音值。

假设您的应用中某处有一个消息循环，您的代码将如下所示：

CLSID CLSID_SpVoice;
CLSIDFromProgID(_T("SAPI.SpVoice"), &CLSID_SpVoice);
ISpVoice *pSpVoice = NULL;
IEnumSpObjectTokens *pSpEnumTokens = NULL;
ULONGLONG  ullMyEvents = SPFEI(SPEI_VISEME);

if (FAILED(CoCreateInstance(CLSID_SpVoice, NULL, CLSCTX_INPROC_SERVER, IID_ISpVoice, (void**)&pSpVoice))){
    return -1;
}

if (SUCCEEDED(SpEnumTokens(SPCAT_VOICES, NULL, NULL, &pSpEnumTokens))){
    ISpObjectToken *pSpToken = NULL;
    SpFindBestToken(SPCAT_VOICES, L"Gender=Male", L"Name=Microsoft Simplified Chinese", &pSpToken);
    pSpVoice->SetVoice(pSpToken);
    // Set type of events the client is interested in.
    pSpVoice->SetInterest(ullMyEvents, ullMyEvents);
    // deliver a WM_APP message when a SAPI event arrives.   
    // Use a different message ID for real code.
    pSpVoice->SetNotifyWindowMessage(hWnd, WM_APP, 0, 0);
    pSpVoice->Speak(text, SPF_DEFAULT, NULL);
    pSpEnumTokens->Release();        
}

pSpVoice->Release();

稍后，在您的消息循环中，您需要处理 SAPI 消息：

  case WM_APP:
     SPEVENT eventItem;
     memset( &eventItem;, 0,sizeof(SPEVENT));
     while( pVoice->GetEvents(1, &eventItem;, NULL ) == S_OK )
     {
       switch(eventItem.eEventId )
       {
          case SPEI_VISEME:
             .
             .
             .
             break;

          default:
             break;
       }

     SpClearEvent( eventItem );

如何获取Microsoft TTS语音的经过时间？

How to get the elapsed time of Microsoft TTS speech?

c++

windows

text-to-speech

sapi