語音識(shí)別組件轉(zhuǎn)化為控件的方法

夏俊杰，楊青，趙剛

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

在設(shè)計(jì)問診系統(tǒng)時(shí)，使用Authorware開發(fā)工具進(jìn)行開發(fā)，并且使用語音識(shí)別技術(shù)模擬醫(yī)生問的過程。語音識(shí)別采用微軟的語音開發(fā)包。微軟語音開發(fā)包中語音識(shí)別引擎是以COM為基礎(chǔ)構(gòu)成的組件[1]，但在Authorware中不能直接調(diào)用，而Authorware中使用控件是非常方便的。因此將語音識(shí)別接口編寫成控件的形式，然后在Authorware中調(diào)用。這樣就避免了編寫語音識(shí)別的程序，減少編程的代碼量，提高開發(fā)效率。文中就以語音識(shí)別組件為例來說明如何將COM組件轉(zhuǎn)化成控件。

1 語音識(shí)別控件設(shè)計(jì)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(diào)用。如圖1所示，COM組件的數(shù)據(jù)成員和控件中的方法類似；消息和事件類似。對(duì)于控件中的屬性則可能與組件中數(shù)據(jù)成員和函數(shù)成員都相關(guān)，需根據(jù)情況而定。它們之間可以相互轉(zhuǎn)化。

圖1 COM組件和activex控件的對(duì)比Fig.1 Comparison of COMcomponent and ActiveX control

語音識(shí)別組件轉(zhuǎn)化成控件的流程如圖2所示。由于組件接口比較多，調(diào)用起來不方便，因此先將組件接口封裝成一個(gè)C++類，這樣只要調(diào)用C++的幾個(gè)函數(shù)成員和數(shù)據(jù)成員就能調(diào)用引擎接口，使用比較方便。然后用VC設(shè)計(jì)一個(gè)語音識(shí)別控件。通過調(diào)用C++類的函數(shù)成員、數(shù)據(jù)成員和消息，在控件中添加相應(yīng)的屬性、方法和事件。對(duì)于控件中的方法可以調(diào)用類中的函數(shù)成員。對(duì)于控件中的事件可類中的消息關(guān)聯(lián)起來。這樣就可完成語音識(shí)別控件的設(shè)計(jì)。

圖2 設(shè)計(jì)流程Fig.2 Process of designing

2 設(shè)計(jì)語音識(shí)別引擎接口封裝類

SAPI的語音識(shí)別引擎SR提供了語音識(shí)別功能的一系列函數(shù)，封裝在多個(gè)接口中。實(shí)現(xiàn)語音識(shí)別功能，主要使用ISpRecognizer、ISpRecoContext、ISpRecoGrammer等接口。Isp-Recognizer主要用于語音識(shí)別，將語音信號(hào)識(shí)別轉(zhuǎn)換成文本信息。IspRecoContext主要用于發(fā)送和接受消息。IspRecoGrammer主要用于加載語法規(guī)則。實(shí)現(xiàn)語音識(shí)別步驟為[3]：

1）初始化COM

2）建立IspRecognizer對(duì)象，通常建立COM對(duì)象有2種方法，一種是使用COM庫函數(shù)建立對(duì)象，使用CoCreateInstance（）函數(shù)。另一種是使用智能指針建立COM對(duì)象，這種方法較常用。以建立IspRecognizer對(duì)象為例來說明。使用CcomPtr＜IspRecognizer＞m_pReco建立一個(gè)智能指針對(duì)象m_pReco，然后CcomPtr類中CoCreateInstance（）函數(shù)創(chuàng)建IspRecognizer對(duì)象，即m_pReco.CoCreateInstance（…），然后就可使用m_pReco指針調(diào)用IspRecognizer接口中函數(shù)了。

3）創(chuàng)建IspRecoContext對(duì)象，設(shè)置消息的發(fā)送和接受。通過IspRecoContex接口中的SetNotifyWindowMessage（）函數(shù)將消息傳遞到指定的窗口。并且調(diào)用其中的SetInterest（）函數(shù)指定需要的某類特定消息。

4）建立IspRecoGrammer對(duì)象，加載語法規(guī)則。用Load Dictation（）函數(shù)設(shè)置語音輸入方式進(jìn)行識(shí)別。

5）調(diào)用IspRecognizer接口函數(shù)，比如停止識(shí)別、暫停識(shí)別、語音訓(xùn)練、麥克風(fēng)設(shè)置等。

為了調(diào)用方便，將語音識(shí)別接口寫成一個(gè)類CMyReco，類中包括了語音識(shí)別接口的所有功能。

class CMyReco{

……

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

BOOL Start（）；//開始識(shí)別

BOOL Stop（）；//停止識(shí)別

//獲取識(shí)別出的文本

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

CComPtr＜ISpRecognizer＞m_pREng；//創(chuàng)建智能指針

CComPtr＜ISpRecoContext＞m_pRecoCtxt；//創(chuàng)建智能指針

CComPtr＜ISpRecoGrammar＞m_pDictationGrammar；//創(chuàng)建智能指針

}

初始化函數(shù)將各種對(duì)象接口都建立了。初始化后就可以調(diào)用其他的如暫停、開始等函數(shù)。

3 語音識(shí)別控件制作

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

1）利用VC++工具建立一個(gè)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(shí)別引擎

在CSREngineCtrl中添加WM_CREATE消息類型的消息響應(yīng)函數(shù)OnCreate（）。在該函數(shù)中實(shí)現(xiàn)語音識(shí)別初始化。

int CSREngineCtrl::OnCreate（LPCREATESTRUCT lpCreateStruct）{

……..

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

…….

}

其中m_SpeechReco是類CMyReco的對(duì)象。

3）添加方法

實(shí)現(xiàn)停止語音識(shí)別、開始語音識(shí)別、麥克風(fēng)設(shè)置、是否語音識(shí)別引擎等功能可以使用控件的方法實(shí)現(xiàn)。例如，用類向?qū)虺绦虼a中添加方法SpStart。在CSREngineCtrl類的函數(shù)SpStart（）中調(diào)用類CMyReco的Start（）函數(shù)即可。在外部拖過要開始語音識(shí)別引擎，就可調(diào)用SpStart方法實(shí)現(xiàn)。其他功能的設(shè)計(jì)和開始語音識(shí)別功能的設(shè)計(jì)一樣。

4）添加屬性

為了獲取識(shí)別的結(jié)果，在控件中添加一個(gè)屬性用來保存識(shí)別出的文本。用類向?qū)砑訉傩許Rtext，同時(shí)添加了GetSRtext（）和SetSRtext（）兩個(gè)函數(shù)。當(dāng)外部程序讀屬性時(shí)，調(diào)用GetSRtext（）函數(shù)。當(dāng)設(shè)置屬性是調(diào)用SetSRtext（）函數(shù)。因此，在GetSRtext函數(shù)中添加獲取語音識(shí)別結(jié)果的代碼。

BSTR CSREngineCtrl::GetSRtext（）{

CString strResult；strResult=m_strText；

return strResult.AllocSysString（）；

}

其中m_strText是一個(gè)CString類的對(duì)象，保存語音識(shí)別引擎識(shí)別出來的字符串。對(duì)SetSRText函數(shù)不需加代碼。

5）添加事件

為了知道什么時(shí)候產(chǎn)生了識(shí)別出的文字，需要添加事件。用類向?qū)砑邮录RResult，并且在CSREngineCtrl類中產(chǎn)生了FireSRResult（）函數(shù)。在控件內(nèi)部調(diào)用FireSRResult（）函數(shù)，F(xiàn)ireSRResult（）函數(shù)調(diào)用FireEvent函數(shù)，從而對(duì)外部產(chǎn)生SRResult事件。另外當(dāng)產(chǎn)生識(shí)別的文本時(shí)，語音識(shí)別引擎通過CMyReco類中自定義的消息WM_SREVENT進(jìn)行通知。因此在CSREngineCtrl類中添加WM_SREVENT消息對(duì)應(yīng)的消息響應(yīng)函數(shù)OnSREvent（）。在該函數(shù)中獲取識(shí)別出的文本，并調(diào)用FireSRResult（）函數(shù)。

LRESULT CSREngineCtrl::OnSREvent（WPARAM，LPARAM）{

WCHAR*pwzText；

m_SpeechReco.GetRecoText（&pwzText）；

m_strText=CString（pwzText）；

FireSRResult（）；

……

}

這樣當(dāng)有文本被識(shí)別出來后，保存在m_strText中。然后調(diào)用FireSRResult（）函數(shù)產(chǎn)生SRResult事件通知外部程序有識(shí)別出的文本，外部程序根據(jù)事件獲取SRtext屬性值，就可以獲取語音識(shí)別出來的文本。

最后編譯生成控件SREngine.ocx，那么在其他開發(fā)工具中就可調(diào)用了。

4 自定義語音識(shí)別控件運(yùn)行效果

在Authorware中，使用“插入”菜單插入SREng控件。使用GetSpriteProperty（）函數(shù)獲取SRtext屬性值，即獲取從語音中識(shí)別出的文本。用CallSprite函數(shù)設(shè)置語音識(shí)別控件的開始、暫停等功能[5]。用一個(gè)交互圖標(biāo)進(jìn)行對(duì)SRResult事件的響應(yīng)，并對(duì)事件進(jìn)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(shí)別輸出文本。

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

5 結(jié)束語

文中介紹了COM組件和ActiveX控件的轉(zhuǎn)化方法。通過一個(gè)語音識(shí)別的例子詳細(xì)說明轉(zhuǎn)化流程和方法。先將語音識(shí)別引擎接口封裝成一個(gè)C++類，這是方便對(duì)語音引擎接口的調(diào)用。然后添加控件的屬性、方法和事件設(shè)計(jì)控件。在控件方法和事件中，對(duì)類的函數(shù)成員或數(shù)據(jù)成員進(jìn)行相應(yīng)調(diào)用。最后，將控件在Authorware中運(yùn)行得到較好效果。對(duì)于Authorware這樣的專用開發(fā)工具可以利用COM與其他應(yīng)用程序進(jìn)行通信[6-7]，也可提高開發(fā)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(yīng)用[M].北京:清華大學(xué)出版社，1999.

[3] 史俊.語音數(shù)控機(jī)床的研究與實(shí)現(xiàn)[D].沈陽：沈陽航空工業(yè)學(xué)院，2007.

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

[5] 孫偉.Authorware與Activex控件的高級(jí)通訊[J].集寧師專學(xué)報(bào)，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(shù)在多媒體軟件開發(fā)中的應(yīng)用[J].計(jì)算機(jī)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.