基于TTS的有声网页组件WebVoice的设计与实现

摘要

计算机语音技术近年来得到了长足的发展，部分关键技术也已得到了突破，是近年来研究和开发的热点。特别在文本转语音领域，已取得了较多实用成果，有些已成功地转化为产品。微软和IBM等国际软件巨头份份推出自己的语音开发平台和产品，其中微软的Microsoft Speech SDK是目前应用得最广泛的语音开发平台之一。 本文的工作是将微软Microsoft Speech SDK 5.1中的文本转语音(Text-To-Speech，TTS)应用于微软Internet Explore浏览器功能扩展，是将语音技术应用于Web页面的尝试，改变现在Web页面主要由文本、图片或动画等无声信息构成的状况，构造一个有声的、更加人性化的Web世界，具有一定的创新性与实用性。 本文按照微软的IE Band插件开发标准，设计并实现了一个嵌入于IE中的工具条组件WebVoice，该组件可以对用户选定的网页内容进行发声朗读，实现了有声网页的功能。 本文涉及的工作主要包括以下几个方面： 1．对微软的语音开发平台Microsoft Speech SDK的使用进行了研究，特别是对于应用TTS开发文本转语音应用软件进行了较深入的钻研。并且为了适用本文的应用需要，对ITS中的ISpVoice接口进行适当的封装与改进，使其更加符合面向对象的使用习惯。 2．对微软的COM组件技术进行系统的学习与研究，并对微软IE Band的扩展编程规范进行了详细地了解与学习，成功地开发了一个嵌入到IE中的工具条，扩展了IE的功能。 3．为使WebVoice组件能适用网页中的各种文本，本文提出了一种简便实用的算法，能识别文本中的中文和英文字符，在中文和英文发音中自动切换，从而实现了中英文混读的功能。

目录

文摘

英文文摘

第一章引言

1.1语音技术概述

1.2语音合成技术

1.3开发基于计算机语音技术软件的重要意义

1.4课题提出

1.5本文的组织结构

第二章Microsoft Speech SDK语音开发包

2.1 Microsoft Speech SDK简介

2.2 Microsoft Speech SDK结构

2.3 Microsoft Speech SDK的使用

第三章COM组件技术及ATL

3.1 COM组件技术

3.2 ATL简介

第四章IE Band开发技术

4.1 Internet Explore架构

4.2 Band对象

第五章WebVoice组件系统分析与概要设计

5.1系统需求

5.2系统分析

5.3类概要设计

5.4系统数据流向

第六章IE工具栏的设计与实现

6.1 IE与WebVoice组件的交互过程

6.2 Band对象CIEBar的设计与实现

6.3 UI窗口对象的设计与实现

第七章发声对象的设计与实现

7.1 ISpVoice接口的使用

7.2实现ISpVoice的封装

7.3中英文混读的实现

7.4获取网页内容的实现

第八章系统测试

第九章总结与展望

参考文献

致谢

原创性声明