語音識別組件轉化為控件的方法

夏俊杰，楊青，趙剛

（1.四川大學四川成都610064；2.成都中醫藥大學四川成都611130）

在設計問診系統時，使用Authorware開發工具進行開發，并且使用語音識別技術模擬醫生問的過程。語音識別采用微軟的語音開發包。微軟語音開發包中語音識別引擎是以COM為基礎構成的組件[1]，但在Authorware中不能直接調用，而Authorware中使用控件是非常方便的。因此將語音識別接口編寫成控件的形式，然后在Authorware中調用。這樣就避免了編寫語音識別的程序，減少編程的代碼量，提高開發效率。文中就以語音識別組件為例來說明如何將COM組件轉化成控件。

1 語音識別控件設計流程

COM組件和控件有一定的相似之處，都是基于COM原理[2]。COM組件和ActiveX控件都是模塊程序供其它程序調用。如圖1所示，COM組件的數據成員和控件中的方法類似；消息和事件類似。對于控件中的屬性則可能與組件中數據成員和函數成員都相關，需根據情況而定。它們之間可以相互轉化。

圖1 COM組件和activex控件的對比Fig.1 Comparison of COMcomponent and ActiveX control

語音識別組件轉化成控件的流程如圖2所示。由于組件接口比較多，調用起來不方便，因此先將組件接口封裝成一個C++類，這樣只要調用C++的幾個函數成員和數據成員就能調用引擎接口，使用比較方便。然后用VC設計一個語音識別控件。通過調用C++類的函數成員、數據成員和消息，在控件中添加相應的屬性、方法和事件。對于控件中的方法可以調用類中的函數成員。對于控件中的事件可類中的消息關聯起來。這樣就可完成語音識別控件的設計。

圖2 設計流程Fig.2 Process of designing

2 設計語音識別引擎接口封裝類

SAPI的語音識別引擎SR提供了語音識別功能的一系列函數，封裝在多個接口中。實現語音識別功能，主要使用ISpRecognizer、ISpRecoContext、ISpRecoGrammer等接口。Isp-Recognizer主要用于語音識別，將語音信號識別轉換成文本信息。IspRecoContext主要用于發送和接受消息。IspRecoGrammer主要用于加載語法規則。實現語音識別步驟為[3]：

1）初始化COM

2）建立IspRecognizer對象，通常建立COM對象有2種方法，一種是使用COM庫函數建立對象，使用CoCreateInstance（）函數。另一種是使用智能指針建立COM對象，這種方法較常用。以建立IspRecognizer對象為例來說明。使用CcomPtr＜IspRecognizer＞m_pReco建立一個智能指針對象m_pReco，然后CcomPtr類中CoCreateInstance（）函數創建IspRecognizer對象，即m_pReco.CoCreateInstance（…），然后就可使用m_pReco指針調用IspRecognizer接口中函數了。

3）創建IspRecoContext對象，設置消息的發送和接受。通過IspRecoContex接口中的SetNotifyWindowMessage（）函數將消息傳遞到指定的窗口。并且調用其中的SetInterest（）函數指定需要的某類特定消息。

4）建立IspRecoGrammer對象，加載語法規則。用Load Dictation（）函數設置語音輸入方式進行識別。

5）調用IspRecognizer接口函數，比如停止識別、暫停識別、語音訓練、麥克風設置等。

為了調用方便，將語音識別接口寫成一個類CMyReco，類中包括了語音識別接口的所有功能。

class CMyReco{

……

BOOL Initialize（HWND hWnd=NULL，BOOL bIsShared=TRUE）；//初始化函數

BOOL Start（）；//開始識別

BOOL Stop（）；//停止識別

//獲取識別出的文本

void GetRecoText（WCHAR**ppszCoMemText，ULONG ulStart=0，ULONG nlCount=-1）；

CComPtr＜ISpRecognizer＞m_pREng；//創建智能指針

CComPtr＜ISpRecoContext＞m_pRecoCtxt；//創建智能指針

CComPtr＜ISpRecoGrammar＞m_pDictationGrammar；//創建智能指針

}

初始化函數將各種對象接口都建立了。初始化后就可以調用其他的如暫停、開始等函數。

3 語音識別控件制作

控件一般有方法、屬性和事件3個組成成分[4]。將語音識別接口函數中的開始、停止、麥克風設置等函數作為控件中的方法；而識別出來的文本作為控件的屬性；通知用戶已產生文本的消息作為控件中的事件。下面說明制作語音識別控件的步驟：

1）利用VC++工具建立一個控件工程SREngine，將上面的CMyReco類文件加入到控件工程中。

2）初始化語音識別引擎

在CSREngineCtrl中添加WM_CREATE消息類型的消息響應函數OnCreate（）。在該函數中實現語音識別初始化。

int CSREngineCtrl::OnCreate（LPCREATESTRUCT lpCreateStruct）{

……..

m_SpeechReco.Initialize（this-＞GetSafeHwnd（））；

…….

}

其中m_SpeechReco是類CMyReco的對象。

3）添加方法

實現停止語音識別、開始語音識別、麥克風設置、是否語音識別引擎等功能可以使用控件的方法實現。例如，用類向導向程序代碼中添加方法SpStart。在CSREngineCtrl類的函數SpStart（）中調用類CMyReco的Start（）函數即可。在外部拖過要開始語音識別引擎，就可調用SpStart方法實現。其他功能的設計和開始語音識別功能的設計一樣。

4）添加屬性

為了獲取識別的結果，在控件中添加一個屬性用來保存識別出的文本。用類向導添加屬性SRtext，同時添加了GetSRtext（）和SetSRtext（）兩個函數。當外部程序讀屬性時，調用GetSRtext（）函數。當設置屬性是調用SetSRtext（）函數。因此，在GetSRtext函數中添加獲取語音識別結果的代碼。

BSTR CSREngineCtrl::GetSRtext（）{

CString strResult；strResult=m_strText；

return strResult.AllocSysString（）；

}

其中m_strText是一個CString類的對象，保存語音識別引擎識別出來的字符串。對SetSRText函數不需加代碼。

5）添加事件

為了知道什么時候產生了識別出的文字，需要添加事件。用類向導添加事件SRResult，并且在CSREngineCtrl類中產生了FireSRResult（）函數。在控件內部調用FireSRResult（）函數，FireSRResult（）函數調用FireEvent函數，從而對外部產生SRResult事件。另外當產生識別的文本時，語音識別引擎通過CMyReco類中自定義的消息WM_SREVENT進行通知。因此在CSREngineCtrl類中添加WM_SREVENT消息對應的消息響應函數OnSREvent（）。在該函數中獲取識別出的文本，并調用FireSRResult（）函數。

LRESULT CSREngineCtrl::OnSREvent（WPARAM，LPARAM）{

WCHAR*pwzText；

m_SpeechReco.GetRecoText（&pwzText）；

m_strText=CString（pwzText）；

FireSRResult（）；

……

}

這樣當有文本被識別出來后，保存在m_strText中。然后調用FireSRResult（）函數產生SRResult事件通知外部程序有識別出的文本，外部程序根據事件獲取SRtext屬性值，就可以獲取語音識別出來的文本。

最后編譯生成控件SREngine.ocx，那么在其他開發工具中就可調用了。

4 自定義語音識別控件運行效果

在Authorware中，使用“插入”菜單插入SREng控件。使用GetSpriteProperty（）函數獲取SRtext屬性值，即獲取從語音中識別出的文本。用CallSprite函數設置語音識別控件的開始、暫停等功能[5]。用一個交互圖標進行對SRResult事件的響應，并對事件進行處理，即獲取SRtext屬性值，并顯示在文本框中。最后界面如圖3所示，輸入語音即可識別輸出文本。

圖3 語音識別控件測試Fig.3 Test of speech recognition control test

5 結束語

文中介紹了COM組件和ActiveX控件的轉化方法。通過一個語音識別的例子詳細說明轉化流程和方法。先將語音識別引擎接口封裝成一個C++類，這是方便對語音引擎接口的調用。然后添加控件的屬性、方法和事件設計控件。在控件方法和事件中，對類的函數成員或數據成員進行相應調用。最后，將控件在Authorware中運行得到較好效果。對于Authorware這樣的專用開發工具可以利用COM與其他應用程序進行通信[6-7]，也可提高開發效率。

[1] Microsoft Corporation.Microsoft Speech SDK[EB/OL].（2009-3-3）[2012-4-20].http://download.microsoft.com/download/B/4/3/B4314928-7B71-4336-9DE7-6FA4CF00B 7B3/sapi.chm.

[2] 潘愛民.COM原理與應用[M].北京:清華大學出版社，1999.

[3] 史俊.語音數控機床的研究與實現[D].沈陽：沈陽航空工業學院，2007.

[4] 孫鑫，余安萍.VC++深入詳解[M].北京：電子工業出版社，2006.

[5] 孫偉.Authorware與Activex控件的高級通訊[J].集寧師專學報，2009，31（4）：57-60.SUN Wei.A senior communication of authorware to the ActiveX control[J].Journal of Jining Teachers College，2009，31（4）:57-60.

[6] 鄭楠，徐良賢.COM組件技術在多媒體軟件開發中的應用[J].計算機工程，2002，28（10）：81-83.ZHENG Nan，XU Liang-xian.The application of COMin the development of mutimedia software[J].Computer Engineering，2002，28（10）:81-83.

[7] Szyperski C.Component Software Beyond Object-oriented Programming[M].ACMPress，1998.