C# (C++) SAPI - TTS - 如何获取正在阅读的文本的语音时间

Question

请问有人可以帮我吗？我搜索了一些示例，如何通过 SAPI 获取有关 TTS 中语音文本的信息（我正在用 C# 编写我的应用程序，但不需要，SAPI 在 C++ 中是相同的，等等） 我需要的信息例如： 用户将在文本框中写入：

“这是一个文本”..

tts.Speak("This is a text"); // 这将“阅读”它..

好的，很好...但我也需要获取有关“时间”的信息..

例如：

“Th”（“This”的第一个声音（音素））在 0.01 毫秒内被“读取”..

“i”（“is”的第一个声音）在 0.5 毫秒内被“读取”..

“e”（“文本”的第二个声音）在 1.02 毫秒内被“读取”..

当我保存 SAPI 生成的 .wav 文件时，我需要获取 .wav 中的时序信息，以便后续“处理”wav 文件。

对不起我的英语，对不起我对我的问题的糟糕描述，但问题是我认为非常简单，所有人都会理解。如果不是，我将尝试再次描述问题:) ^^..

Answer 1

我使用 C++ 和 SAPI 5.1 来合成语音并让虚拟角色相应地移动嘴唇。这是一些适用于语音视位的代码。根据http://msdn.microsoft.com/en-us/library/ms720164(v=vs.85).aspx 的文档，音素的工作方式相同，只是将SPEI_VISEME 替换为SPEI_PHONEME。

DWORD WINAPI Character::sayMessage(LPVOID lpParam){
    HRESULT hres;
    try{
        ::CoInitialize(NULL);
        ThreadParam * param = (ThreadParam *)lpParam;
        wstring s = param->message;

        //first check the string for null
        if (s == L"") return false;

        //http://msdn.microsoft.com/en-us/library/ms720163(VS.85,classic).asp is my source for this
        //set up text to speech

        //get the voice associated with the character
        ISpVoice * pVoice;
        pVoice = param->sceneObject->characterVoice;

        if (pVoice != NULL){
            pVoice->Speak( NULL, SPF_PURGEBEFORESPEAK, 0 );

            SPEVENT event;
            ULONG ul;

            pVoice->SetInterest(SPFEI(SPEI_VISEME)|SPFEI(SPEI_END_INPUT_STREAM),SPFEI(SPEI_VISEME)|SPFEI(SPEI_END_INPUT_STREAM));
            pVoice->SetNotifyCallbackFunction(&eventFunction,0,0);
            pVoice->WaitForNotifyEvent(INFINITE);

            if (param->sceneObject->age == CHILD){
                s = L"<pitch middle=\"+10\">" + s + L"</pitch>";
            }

            hres = pVoice->Speak(s.c_str(),SPF_ASYNC,NULL);

            bool isDone = false;
            while(!isDone && pVoice != NULL && !FAILED(hres)){                  
                if(pVoice->GetEvents(1,&event, &ul) == S_OK){
                    if(event.eEventId==SPEI_VISEME){
                        //get the viseme
                        int vis = LOWORD(event.lParam);  //handle it however you'd like after this


                    }
                    else if(event.eEventId== SPEI_END_INPUT_STREAM){
                        isDone = true;
                        s = L"";
                        return true;
                    }
                }                   
            }
        }
    }
    catch(...){
        return false;
    }       
    return !FAILED(hres);
}