PDFВ этой статье мы познакомимся с программированием речи в Delphi. Хотите чтобы Delphi заговорил — читайте эту страницу!
Нудеюсь, что вы уже установили пакет функций Speech API и хотя бы один речевой движок. Речевые движки — это те модули, которые синтезируют речь. Для доступа к ним нужно использовать специальные функции, которые описаны в наборе функций Speech API. Поэтому для того, чтобы написать минимальную программу умеющую говорить, нужны эти два компонента. Сначала мы попробуем написать как раз эту программу-минимум а потом заставим персонаж MS Agent заговорить. То есть постараемся совместить технологию MSAgent и SpeechAPI. Тогда агент станет еще более приятным.
Ну, а для того чтобы всем эти заняться нам потребуется полезный модулек speech.pas, в котором объявлены полезные константы, типы, функции и интрефейсы. Не забудьте подключить его в разделе uses главного модуля приложения.
Попытаемся создать программу, где мы будем вводить текст для чтения в редакторе, выбирать движок для чтения в ComboBox’е и пару кнопок для чтения, паузы и остановки.
Объявим в секции private нужные для работы переменные:
1 2 3 4 5 6 7 8 9 10 | private { Private declarations } fITTSCentral: ITTSCentral; {Центральный интерфейс, через который производятся все действия с речью} fIAMM: IAudioMultimediaDevice; {Интерфейс для связи с аудиоустройством} aTTSEnum: ITTSEnum; {Интерфейс для перебора движков} fpModeInfo: PTTSModeInfo; {Указатель на параметры движка} |
Во ходе создания главной формы приложения нам нужно проверить установленные движки в системе, и их названия поместить в ComboBox. Это мы и сделаем:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 | procedure TForm1.FormCreate(Sender: TObject);var NumFound : DWord; ModeInfo : TTSModeInfo;begin try {Инициализация аудиоустройства} CoCreateInstance(CLSID_MMAudioDest, Nil, CLSCTX_ALL, IID_IAudioMultiMediaDevice, fIAMM); except end; {Создание перечисляемого объекта для перебора всех движков в системе с помощью интерфейса ITTSEnum} CoCreateInstance(CLSID_TTSEnumerator, Nil, CLSCTX_ALL, IID_ITTSEnum, aTTSEnum); aTTSEnum.Reset;//Сбрасываем на первый aTTSEnum.Next(1, ModeInfo, @NumFound); {Получаем первый движок} While NumFound > 0 do begin ComboBox1.Items.Add(String(ModeInfo.szModeName)); aTTSEnum.Next(1, ModeInfo, @NumFound); {Получаем остальные} end;end; |
В этом коде происходит создания экземпляров COM объектов класса CLSID_MMAudioDest и CLSID_TTSEnumerator. Для этого используется метод CoCreateInstance из библиотеки COM. Он создает экземпляр объекта на основании нужного класса CLSID(Class Identifier) и идентификатора интерфейса IID(Interface Identifier). В первом случае мы образуем объект для связи с аудио устройством, во втором создаем экземпляр TTS, перечисляемого класса для перебора всех речевых синтезаторов, установленных в системе. После этого экземпляры классов окажутся соответственно в fIAMM и в aTTSEnum. После этого начинаем перебирать движки, узнавать их имена и добавлять в ComboBox’ы. Кстате, не забудьте объвить в разделе uses модуль activex.pas, иначе Delphi будет ругаться насчет процедуры CoCreateInstance, и модуль ComObj.pas, иначе после выполнения процедуры CoCreateInstance переменная aTTSEnum будет оставаться равна nil, а значит программа будет обваливаться на следующей строке.
Теперь если вы запустите программку, то в списке ComboBox’а увидите названия всех движков, установленных у вас в системе:
Естественно, что пока наша программка не умеет говорить, но зато знает необходимую инфу о речевых устройствах.
Теперь займемся загрузкой речевых синтезаторов для чтения текста. Поэтому пропишем событие изменения движка в ComboBox’е:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 | procedure TForm1.ComboBox1Change(Sender: TObject);var NumFound: DWord; ModeInfo : TTSModeInfo;{Для хранения информации о текущем движке}begin try CoCreateInstance(CLSID_MMAudioDest, nil, CLSCTX_ALL, IID_IAudioMultiMediaDevice, fIAMM); CoCreateInstance(CLSID_TTSEnumerator, nil, CLSCTX_ALL, IID_ITTSEnum, aTTSEnum); aTTSEnum.Reset; {Перескакиваем на нужный движок} Form1.aTTSEnum.skip(ComboBox1.ItemIndex); aTTSEnum.Next(1, ModeInfo, @NumFound); if assigned(fpModeInfo) then {если fpModeInfo не равен nil} dispose(fpModeInfo); new(fpModeInfo); fpModeInfo^:=ModeInfo; {загружаем движок по его GUID} aTTSEnum.Select(fpModeInfo^.gModeID, fITTSCentral, IUnknown(fIAMM)); except end;end; |
Ну и все, теперь следует сказать, что «механизм чтения» приводится в действие следующим образом:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 | procedure TForm1.SpeakClick(Sender: TObject);var SData: TSData; BufRich: string;begin if not assigned(fITTSCentral) then begin ShowMessage('Не выбран движок!'); exit; end; BufRich:='Это текст!'; {Этот текст будет прочитан} SData.dwSize := length(BufRich) + 1; SData.pData := pChar(BufRich); try fITTSCentral.TextData(CHARSET_TEXT, 0, SData, nil, IID_ITTSBufNotifySink); except end;end; |
Подставляйте в BufRich все что угодно, содержание этой строки и будет синтезироваться в речь!
Для полного счастья не хватает приостановки чтения, то есть паузы, и полной остановки. Так вот осуществить это можно с помощью следующих методов:
1 2 3 4 5 | ... fITTSCentral.AudioPause; {Пауза в чтении} fITTSCentral.AudioResume; {Восстановление чтения после паузы} fITTSCentral.AudioReset; {Полная остановка чтения} ... |
Остальные процедуры на кнопочки чтения, паузы и стоп, думаю, вы сами нафантазируете, а чтобы получить полный исходный текст проекта воспользуйтесь ссылочкой в конце страницы. Это пока все! Собираюсь в ближайшее время рассказать о том как работать с другими атрибутами чтения, такими как скорость, тон, громкость и т.д. Но это потом, а пока то ,что есть!