C/C++ Windows SAPI實現(xiàn)文字轉(zhuǎn)語音功能

更新時間：2025年02月05日 15:39:30 作者：T0uken

本文通過封裝Windows SAPI（Speech Application Programming Interface）,提供了一個現(xiàn)代化的C++接口實現(xiàn)文字轉(zhuǎn)語音功能,這篇文章重點給大家介紹C/C++ Windows SAPI自實現(xiàn)文字轉(zhuǎn)語音功能,感興趣的朋友一起看看吧

本文通過封裝Windows SAPI（Speech Application Programming Interface），提供了一個現(xiàn)代化的C++接口實現(xiàn)文字轉(zhuǎn)語音功能。主要特性包括支持同步/異步語音合成、可調(diào)節(jié)語速（-10到10）和音量控制（0-100%），同時支持將合成語音保存為WAV文件，并自動處理特殊字符轉(zhuǎn)義，設(shè)計上也確保了線程安全。該接口依賴于Windows系統(tǒng)（需.NET Framework支持）、PowerShell 5.1及以上版本，以及C++11或更高版本。完整代碼在文字末尾提供。

快速開始

基礎(chǔ)使用示例

#include "tts.hpp"
int main() {
    TTS::TextToSpeech tts;
    // 設(shè)置語音參數(shù)
    tts.set_rate(5);    // 加快語速
    tts.set_volume(80); // 80%音量
    // 同步朗讀
    tts.speak_sync("Hello, welcome to the text-to-speech system.");
    // 異步朗讀
    auto future = tts.speak_async("This is an async operation.");
    future.wait(); // 等待完成
    // 保存到文件
    std::string filename = tts.save_to_wav("Audio saved to file.");
    return 0;
}

核心功能詳解

語音參數(shù)設(shè)置

語速控制 (set_rate())

void set_rate(int rate);  // 范圍：-10 ~ 10

正值加快語速
負(fù)值減慢語速
自動鉗制在有效范圍內(nèi)

音量控制 (set_volume())

void set_volume(int volume);  // 范圍：0 ~ 100

0表示靜音
100表示最大音量
支持百分比精確控制

同步朗讀 (speak_sync())

bool speak_sync(const std::string& text);

阻塞當(dāng)前線程直到朗讀完成
返回執(zhí)行狀態(tài)（true表示成功）
適合需要順序執(zhí)行的場景

示例：

if (!tts.speak_sync("Critical system alert!")) {
    // 錯誤處理
}

異步朗讀 (speak_async())

std::future<bool> speak_async(const std::string& text);

立即返回std::future對象
支持多種等待方式：

auto future = tts.speak_async("Processing completed");
// 方式1：阻塞等待
future.wait();
// 方式2：輪詢檢查
while (future.wait_for(100ms) != std::future_status::ready) {
    // 執(zhí)行其他任務(wù)
}
// 獲取結(jié)果
bool success = future.get();

保存音頻文件 (save_to_wav())

std::string save_to_wav(const std::string& text, 
                       const std::string& filename = "");

自動生成臨時文件（當(dāng)filename為空時）
返回最終文件路徑
文件保存位置規(guī)則：
- 指定filename：使用完整路徑
- 未指定：生成隨機(jī)文件名（系統(tǒng)臨時目錄）

示例：

// 自動生成臨時文件
auto auto_file = tts.save_to_wav("Automatic filename");
// 自定義路徑
std::string custom_path = R"(C:\audio\alert.wav)";
auto custom_file = tts.save_to_wav("Custom path", custom_path);

高級用法

批量語音生成

std::vector<std::future<bool>> batch_process() {
    TTS::TextToSpeech tts;
    std::vector<std::future<bool>> results;
    for (int i = 0; i < 10; ++i) {
        std::string text = "Message " + std::to_string(i);
        results.push_back(tts.speak_async(text));
    }
    return results;
}

實時進(jìn)度跟蹤

void monitor_async() {
    auto future = tts.speak_async("Long running operation");
    std::thread monitor([&future]{
        while (future.wait_for(1s) != std::future_status::ready) {
            std::cout << "Synthesizing..." << std::endl;
        }
        std::cout << "Completed with status: " << future.get() << std::endl;
    });
    monitor.detach();
}

注意事項與最佳實踐

字符處理

自動轉(zhuǎn)義XML特殊字符：&, <, >, ", '
支持多語言文本（需系統(tǒng)語音包支持）
建議預(yù)處理用戶輸入：

std::string sanitize_input(const std::string& raw) {
    // 移除控制字符等
    std::string filtered;
    std::copy_if(raw.begin(), raw.end(), std::back_inserter(filtered),
        [](char c){ return std::isprint(c); });
    return filtered;
}

性能優(yōu)化

復(fù)用TextToSpeech實例（避免重復(fù)初始化）
異步操作時注意生命周期管理：

// 錯誤示例（對象提前銷毀）：
auto future = TTS::TextToSpeech().speak_async("text");
// 正確做法：
auto tts = std::make_shared<TTS::TextToSpeech>();
auto future = tts->speak_async("text");

錯誤處理

檢查返回值：

if (!tts.speak_sync("text")) {
    std::cerr << "Speech synthesis failed" << std::endl;
}

常見錯誤原因：

PowerShell訪問權(quán)限不足
無效的文件路徑
系統(tǒng)語音引擎故障

常見問題解答

Q：支持哪些音頻格式？
A：目前僅支持WAV格式，由系統(tǒng)API決定

Q：如何處理中文字符？
A：需確保：

系統(tǒng)已安裝中文語音包
代碼文件使用UTF-8編碼
控制臺支持Unicode（建議使用chcp 65001）

Q：為什么需要生成批處理文件？
A：為了解決：

PowerShell直接執(zhí)行的編碼問題
長命令行參數(shù)限制
錯誤代碼捕獲需求

Q：最大支持文本長度？
A：由系統(tǒng)限制決定，建議分段處理超過1MB的文本

Q：如何實現(xiàn)語音中斷？
A：當(dāng)前版本未實現(xiàn)，但可以通過銷毀對象終止異步操作

TTS.hpp 源代碼

#pragma once
#include <string>
#include <sstream>
#include <cstdlib>
#include <random>
#include <atomic>
#include <thread>
#include <memory>
#include <system_error>
#include <future>
#include <fstream>
#include <cstdio>
#ifdef _WIN32
#include <io.h>
#else
#include <unistd.h>
#endif
namespace TTS {
class TextToSpeech {
public:
    static constexpr int MIN_RATE = -10;
    static constexpr int MAX_RATE = 10;
    static constexpr int MIN_VOLUME = 0;
    static constexpr int MAX_VOLUME = 100;
    explicit TextToSpeech() = default;
    // 設(shè)置語音速率（-10~10）
    void set_rate(int rate) {
        rate_ = clamp(rate, MIN_RATE, MAX_RATE);
    }
    // 設(shè)置音量（0~100）
    void set_volume(int volume) {
        volume_ = clamp(volume, MIN_VOLUME, MAX_VOLUME);
    }
    // 同步朗讀（阻塞直到完成）
    bool speak_sync(const std::string& text) {
        return execute_command(generate_ps_command(text));
    }
    // 異步朗讀（立即返回）
    std::future<bool> speak_async(const std::string& text) {
        return std::async(std::launch::async, [this, text] { return this->speak_sync(text); });
    }
    // 生成臨時WAV文件（返回文件路徑）
    std::string save_to_wav(const std::string& text, const std::string& filename = "") {
        std::string full_path;
        bool clean_up;
        std::tie(full_path, clean_up) = generate_temp_path(filename, ".wav");
        std::string command = generate_ps_command(text, full_path);
        if (!execute_command(command)) {
            if (clean_up) std::remove(full_path.c_str());
            return "";
        }
        return full_path;
    }
private:
    int rate_ = 0; // 默認(rèn)語速
    int volume_ = 100; // 默認(rèn)音量
    std::atomic<bool> cancel_flag_{false};
    // 生成PowerShell命令
    std::string generate_ps_command(const std::string& text, const std::string& output_file = "") const {
        std::ostringstream oss;
        oss << "powershell -Command \"";
        oss << "Add-Type -AssemblyName System.Speech; ";
        oss << "$speech = New-Object System.Speech.Synthesis.SpeechSynthesizer; ";
        oss << "$speech.Rate = " << rate_ << "; ";
        oss << "$speech.Volume = " << volume_ << "; ";
        if (!output_file.empty()) {
            oss << "$speech.SetOutputToWaveFile('" << output_file << "'); ";
        } else {
            oss << "$speech.SetOutputToDefaultAudioDevice(); ";
        }
        oss << "$speech.Speak([System.Xml.XmlConvert]::VerifyXmlChars('"
            << escape_ps_string(escape_xml(text)) << "'));\"";
        return oss.str();
    }
    // 轉(zhuǎn)義 PowerShell 字符串
    std::string escape_ps_string(const std::string& text) const {
        std::string result;
        result.reserve(text.size() * 2);
        for (char c : text) {
            result += (c == '\'') ? "''" : std::string(1, c);
        }
        return result;
    }
    // 執(zhí)行命令并返回結(jié)果
    bool execute_command(const std::string& command) const {
        // 創(chuàng)建并寫入批處理文件
        std::string bat_path;
        bool dummy;
        std::tie(bat_path, dummy) = generate_temp_path("tts_", ".bat");
        std::ofstream bat_file(bat_path);
        if (!bat_file) return false;
        bat_file << "@echo off\n"
                 << "chcp 65001 > nul\n"
                 << command << "\n"
                 << "exit /b %ERRORLEVEL%";
        bat_file.close();
        // 執(zhí)行批處理文件
        std::string cmd = "cmd /c \"" + bat_path + "\"";
        int result = std::system(cmd.c_str());
        // 清理臨時文件
        std::remove(bat_path.c_str());
        return (result == 0);
    }
    // 生成臨時文件路徑
    std::tuple<std::string, bool> generate_temp_path(const std::string& prefix = "tts_", const std::string& extension = "") const {
        static std::random_device rd;
        static std::mt19937 gen(rd());
        std::uniform_int_distribution<> dis(0, 15);
        std::string full_path;
        bool need_cleanup = false;
        if (prefix.empty()) {
            char tmp_name[L_tmpnam];
            if (std::tmpnam(tmp_name)) {
                full_path = tmp_name;
                need_cleanup = true;
            }
        } else {
            const std::string temp_dir = get_temp_directory();
            do {
                std::string unique_part;
                for (int i = 0; i < 8; ++i) {
                    unique_part += "0123456789abcdef"[dis(gen) % 16];
                }
                full_path = temp_dir + "\\" + prefix + unique_part + extension;
            } while (file_exists(full_path));
        }
        return {full_path, need_cleanup};
    }
    // XML 轉(zhuǎn)義
    static std::string escape_xml(std::string data) {
        std::string buffer;
        buffer.reserve(data.size());
        for (char c : data) {
            switch (c) {
                case '&':  buffer += "&amp;";  break;
                case '\"': buffer += "&quot;"; break;
                case '\'': buffer += "&apos;"; break;
                case '<':  buffer += "&lt;";   break;
                case '>':  buffer += "&gt;";   break;
                default:   buffer += c;        break;
            }
        }
        return buffer;
    }
    // 范圍限制函數(shù)
    template <typename T>
    static T clamp(T value, T min, T max) {
        return (value < min) ? min : (value > max) ? max : value;
    }
    // 獲取臨時目錄
    static std::string get_temp_directory() {
        const char* tmp = std::getenv("TEMP");
        if (!tmp) tmp = std::getenv("TMP");
        return tmp ? tmp : ".";
    }
    // 檢查文件是否存在
    static bool file_exists(const std::string& path) {
#ifdef _WIN32
        return ::_access(path.c_str(), 0) == 0;
#else
        return ::access(path.c_str(), F_OK) == 0;
#endif
    }
};
} // namespace TTS

到此這篇關(guān)于C/C++ Windows SAPI實現(xiàn)文字轉(zhuǎn)語音功能的文章就介紹到這了,更多相關(guān)C++ Windows SAPI文字轉(zhuǎn)語音內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: