语音识别组件转化为控件的方法

夏俊杰，杨青，赵刚

（1.四川大学四川成都610064；2.成都中医药大学四川成都611130）

在设计问诊系统时，使用Authorware开发工具进行开发，并且使用语音识别技术模拟医生问的过程。语音识别采用微软的语音开发包。微软语音开发包中语音识别引擎是以COM为基础构成的组件[1]，但在Authorware中不能直接调用，而Authorware中使用控件是非常方便的。因此将语音识别接口编写成控件的形式，然后在Authorware中调用。这样就避免了编写语音识别的程序，减少编程的代码量，提高开发效率。文中就以语音识别组件为例来说明如何将COM组件转化成控件。

1 语音识别控件设计流程

COM组件和控件有一定的相似之处，都是基于COM原理[2]。COM组件和ActiveX控件都是模块程序供其它程序调用。如图1所示，COM组件的数据成员和控件中的方法类似；消息和事件类似。对于控件中的属性则可能与组件中数据成员和函数成员都相关，需根据情况而定。它们之间可以相互转化。

图1 COM组件和activex控件的对比Fig.1 Comparison of COMcomponent and ActiveX control

语音识别组件转化成控件的流程如图2所示。由于组件接口比较多，调用起来不方便，因此先将组件接口封装成一个C++类，这样只要调用C++的几个函数成员和数据成员就能调用引擎接口，使用比较方便。然后用VC设计一个语音识别控件。通过调用C++类的函数成员、数据成员和消息，在控件中添加相应的属性、方法和事件。对于控件中的方法可以调用类中的函数成员。对于控件中的事件可类中的消息关联起来。这样就可完成语音识别控件的设计。

图2 设计流程Fig.2 Process of designing

2 设计语音识别引擎接口封装类

SAPI的语音识别引擎SR提供了语音识别功能的一系列函数，封装在多个接口中。实现语音识别功能，主要使用ISpRecognizer、ISpRecoContext、ISpRecoGrammer等接口。Isp-Recognizer主要用于语音识别，将语音信号识别转换成文本信息。IspRecoContext主要用于发送和接受消息。IspRecoGrammer主要用于加载语法规则。实现语音识别步骤为[3]：

1）初始化COM

2）建立IspRecognizer对象，通常建立COM对象有2种方法，一种是使用COM库函数建立对象，使用CoCreateInstance（）函数。另一种是使用智能指针建立COM对象，这种方法较常用。以建立IspRecognizer对象为例来说明。使用CcomPtr＜IspRecognizer＞m_pReco建立一个智能指针对象m_pReco，然后CcomPtr类中CoCreateInstance（）函数创建IspRecognizer对象，即m_pReco.CoCreateInstance（…），然后就可使用m_pReco指针调用IspRecognizer接口中函数了。

3）创建IspRecoContext对象，设置消息的发送和接受。通过IspRecoContex接口中的SetNotifyWindowMessage（）函数将消息传递到指定的窗口。并且调用其中的SetInterest（）函数指定需要的某类特定消息。

4）建立IspRecoGrammer对象，加载语法规则。用Load Dictation（）函数设置语音输入方式进行识别。

5）调用IspRecognizer接口函数，比如停止识别、暂停识别、语音训练、麦克风设置等。

为了调用方便，将语音识别接口写成一个类CMyReco，类中包括了语音识别接口的所有功能。

class CMyReco{

……

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

BOOL Start（）；//开始识别

BOOL Stop（）；//停止识别

//获取识别出的文本

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

CComPtr＜ISpRecognizer＞m_pREng；//创建智能指针

CComPtr＜ISpRecoContext＞m_pRecoCtxt；//创建智能指针

CComPtr＜ISpRecoGrammar＞m_pDictationGrammar；//创建智能指针

}

初始化函数将各种对象接口都建立了。初始化后就可以调用其他的如暂停、开始等函数。

3 语音识别控件制作

控件一般有方法、属性和事件3个组成成分[4]。将语音识别接口函数中的开始、停止、麦克风设置等函数作为控件中的方法；而识别出来的文本作为控件的属性；通知用户已产生文本的消息作为控件中的事件。下面说明制作语音识别控件的步骤：

1）利用VC++工具建立一个控件工程SREngine，将上面的CMyReco类文件加入到控件工程中。

2）初始化语音识别引擎

在CSREngineCtrl中添加WM_CREATE消息类型的消息响应函数OnCreate（）。在该函数中实现语音识别初始化。

int CSREngineCtrl::OnCreate（LPCREATESTRUCT lpCreateStruct）{

……..

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

…….

}

其中m_SpeechReco是类CMyReco的对象。

3）添加方法

实现停止语音识别、开始语音识别、麦克风设置、是否语音识别引擎等功能可以使用控件的方法实现。例如，用类向导向程序代码中添加方法SpStart。在CSREngineCtrl类的函数SpStart（）中调用类CMyReco的Start（）函数即可。在外部拖过要开始语音识别引擎，就可调用SpStart方法实现。其他功能的设计和开始语音识别功能的设计一样。

4）添加属性

为了获取识别的结果，在控件中添加一个属性用来保存识别出的文本。用类向导添加属性SRtext，同时添加了GetSRtext（）和SetSRtext（）两个函数。当外部程序读属性时，调用GetSRtext（）函数。当设置属性是调用SetSRtext（）函数。因此，在GetSRtext函数中添加获取语音识别结果的代码。

BSTR CSREngineCtrl::GetSRtext（）{

CString strResult；strResult=m_strText；

return strResult.AllocSysString（）；

}

其中m_strText是一个CString类的对象，保存语音识别引擎识别出来的字符串。对SetSRText函数不需加代码。

5）添加事件

为了知道什么时候产生了识别出的文字，需要添加事件。用类向导添加事件SRResult，并且在CSREngineCtrl类中产生了FireSRResult（）函数。在控件内部调用FireSRResult（）函数，FireSRResult（）函数调用FireEvent函数，从而对外部产生SRResult事件。另外当产生识别的文本时，语音识别引擎通过CMyReco类中自定义的消息WM_SREVENT进行通知。因此在CSREngineCtrl类中添加WM_SREVENT消息对应的消息响应函数OnSREvent（）。在该函数中获取识别出的文本，并调用FireSRResult（）函数。

LRESULT CSREngineCtrl::OnSREvent（WPARAM，LPARAM）{

WCHAR*pwzText；

m_SpeechReco.GetRecoText（&pwzText）；

m_strText=CString（pwzText）；

FireSRResult（）；

……

}

这样当有文本被识别出来后，保存在m_strText中。然后调用FireSRResult（）函数产生SRResult事件通知外部程序有识别出的文本，外部程序根据事件获取SRtext属性值，就可以获取语音识别出来的文本。

最后编译生成控件SREngine.ocx，那么在其他开发工具中就可调用了。

4 自定义语音识别控件运行效果

在Authorware中，使用“插入”菜单插入SREng控件。使用GetSpriteProperty（）函数获取SRtext属性值，即获取从语音中识别出的文本。用CallSprite函数设置语音识别控件的开始、暂停等功能[5]。用一个交互图标进行对SRResult事件的响应，并对事件进行处理，即获取SRtext属性值，并显示在文本框中。最后界面如图3所示，输入语音即可识别输出文本。

图3 语音识别控件测试Fig.3 Test of speech recognition control test

5 结束语

文中介绍了COM组件和ActiveX控件的转化方法。通过一个语音识别的例子详细说明转化流程和方法。先将语音识别引擎接口封装成一个C++类，这是方便对语音引擎接口的调用。然后添加控件的属性、方法和事件设计控件。在控件方法和事件中，对类的函数成员或数据成员进行相应调用。最后，将控件在Authorware中运行得到较好效果。对于Authorware这样的专用开发工具可以利用COM与其他应用程序进行通信[6-7]，也可提高开发效率。

[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] 潘爱民.COM原理与应用[M].北京:清华大学出版社，1999.

[3] 史俊.语音数控机床的研究与实现[D].沈阳：沈阳航空工业学院，2007.

[4] 孙鑫，余安萍.VC++深入详解[M].北京：电子工业出版社，2006.

[5] 孙伟.Authorware与Activex控件的高级通讯[J].集宁师专学报，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] 郑楠，徐良贤.COM组件技术在多媒体软件开发中的应用[J].计算机工程，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.