如何制作 TTS 文本转语音应用程序？

这是我在 YouTube 上发布的第一个视频，并且是用英语制作的，所以当您给它评分时，请尽量保持友善和宽容。

[嵌入]https://youtu.be/n3mI7kZK_dk[/embed]

这几天我一直在寻找最好的语音合成器，我可以在我的自制应用程序中使用它。我主要使用 Java 语言进行编程，但我还没有找到任何已完成且质量足以让我满意的解决方案。我找到了完全用 Java 语言编写的免费库 FreeTTS。有一天我会谈论它。这是该图书馆网站的链接。如果您查看发行说明页面，就会了解到该库的开发已于 2005 年完成。FreeTTS 仅提供英语。在左侧，您可以看到声音文件的链接。试着听听它的声音。听起来像机器人。您想像这样大声朗读您的电子书吗？我想你听几段就累了。

我找到了很好的语音合成器，叫做 IVONA。它使用超过 18 种语言，包括波兰语、英语和德语。在这个网站上，您可以看到所有可用的 IVONA 声音。有些语言有几种声音。例如，英语涉及 Amy、Brian 和 Emma 的声音。让我向您介绍布赖恩的声音。很高兴听到这样的话，知道这是一个软件。如您所见，Brian 语音的价格为 45 美元。您可以下载 30 天试用版。我做到了，我仍在测试这些声音。重要的是该合成器的声音支持 SAPI 5 接口。 SAPI 5 是原生的 Microsoft Speech API (SAPI)。 SAPI 的文档可在网站 MSDN Library 上找到。

SAPI 5 不可从 Java 虚拟机位置获得。需要用 C++ 或 C# 或 Visual Basic 对其进行编程。我的简单应用程序是用 C++ 语言编写的。如果我可以在用 Java 编写的应用程序中使用 SAPI，那么我可以在 C++ 中创建库 DLL（动态链接库）并从 Java Native Interface 中受益。因此，我将在我的 Java 应用程序中使用 C++ 应用程序。还有一个解决方案，有点脏。我可以使用来自 Java 的适当命令行参数来执行 EXE 应用程序。为此，我使用 ProcessBuilder 类或 System.Runtime.exec 方法。

在描述“speak(...)”函数之前，先看一下“main(...)”函数。当我调用函数“speak(...)”时，我传递了将被大声朗读的文本和将要使用的语音的描述。该属性被函数“ SpFindBestToken ”用于指示语音合成器和语音。你怎么知道在这里写什么？请打开 Windows 注册表（regedit 命令）并打开节点“HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Speech\Voices”。您可以使用所有声音的列表。您可以通过传递年龄、性别、语言、姓名和供应商等属性来指示您感兴趣的声音。

有趣的是，Speech API 不仅可以用于语音合成，还可以用于语音识别。如果我安装了支持 SAPI 5 的语音识别应用程序，我可以在节点“HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Speech\\Recognizers”中看到它。

在我的简单应用程序中，我使用了 3 个来自组件对象模型 (COM) 库的函数。有：

- CoInitialize - 在当前线程上初始化 COM 库。在调用任何库函数之前，您需要在线程上初始化 COM 库。

- CoUninitialize - 关闭当前线程上的 COM 库，卸载线程加载的所有 DLL，释放线程维护的任何其他资源，并强制关闭线程上的所有 RPC 连接。

- CoCreateInstance - 创建与指定 CLSID 关联的类的单个未初始化对象。

我在这里传递与类“ISpVoice”相关的“CLSID_SpVoice”，并在“sapi.h”头文件中进行了描述。这里我有所有 Speech API 类的标识符。现在您可以使用“pVoice”指针。我在这里选择声音，然后命令语音合成器朗读我的文本。最后，我释放资源。当然，这段代码是可以重构的，因为我做了三次相同的事情。

在我的下一次演示中，我将向您展示将 Java 应用程序与这个简单的文本到语音应用程序集成的解决方案。我将介绍其他文本转语音平台和应用程序编程接口 (API)。

访问我的 GitHub 个人资料。