C++音声認識

visual c++ Windows API を呼び出して音声認識を行う Win32 プロジェクトを作成します。いろいろと情報を探したが、Win32のプロジェクトは少ないが、海外ではC#を使ってWindows APIを呼び出して音声認識をしている人が多い。音声認識とワードを組み合わせて、認識した音声をワード文書に書き込むものが多く、私はC#のファンではないので、それらを実装するソースコードは調べていません。

そのコードは以下の通りです。

// SpeechToTextTest2.cpp : Defines the entry point for the application.
//

#include "stdafx.h"
#include "SpeechToTextTest2.h"
#include <Windows.h>
#include <WinUser.h>
#include <sphelper.h>
#include <string>
//#include "Resource.h"
#define WM_RECOEVENT WM_USER+1
#define ID_START_RECOG 13

BOOL CALLBACK DlgProc(HWND hWnd, UINT Message, WPARAM wParam, LPARAM lParam);
void LaunchRecognition(HWND hWnd);
void HandleEvent(HWND hWnd);
WCHAR *ExtractInput(CSpEvent event);
void CleanupSAPI();

CComPtr<ISpRecognizer> g_cpEngine;
CComPtr<ISpRecoContext> g_cpRecoCtx;
CComPtr<ISpRecoGrammar> g_cpRecoGrammar;
WCHAR *lpszBuffer;

int WINAPI WinMain(HINSTANCE hInstance, HINSTANCE hPrevInstance, LPSTR lpCmdLine, int nShowCmd)
{
	// allocating memory for buffer this buffer is used to store
	// the text during the speech recognition process
	lpszBuffer = new WCHAR[MAX_PATH];
	lpszBuffer[0] = 0;

	DialogBox(hInstance, MAKEINTRESOURCE(IDD_DIALOG12), NULL, DlgProc);
	// freeing the memory that was allocated for the buffer
	delete[] lpszBuffer;
	return 0;
}

BOOL CALLBACK DlgProc(HWND hWnd, UINT Message, WPARAM wParam, LPARAM lParam)
{
	switch (Message)
	{
	case WM_RECOEVENT:
		HandleEvent(hWnd);
		break;
	case WM_COMMAND:
		switch (LOWORD(wParam))
		{
		case IDC_BUTTON1:
			LaunchRecognition(hWnd);
			break;
		}
		break;
	case WM_CLOSE:
		CleanupSAPI();
		EndDialog(hWnd, 0);
		break;
	default:
		return FALSE;
	}
	return TRUE;
}

void LaunchRecognition(HWND hWnd)
{
	if (FAILED(::CoInitialize(NULL)))
	{
		throw std::string("Unable to initialise COM objects");
	}

	ULONGLONG ullGramId = 1;
	HRESULT hr = g_cpEngine.CoCreateInstance(CLSID_SpSharedRecognizer);
	if (FAILED(hr))
	{
		throw std::string("Unable to create recognition engine");
	}

	hr = g_cpEngine->CreateRecoContext(&g_cpRecoCtx);
	if (FAILED(hr))
	{
		throw std::string("Failed command recognition");
	}

	hr = g_cpRecoCtx->SetNotifyWindowMessage(hWnd, WM_RECOEVENT, 0, 0);
	if (FAILED(hr))
	{
		throw std::string("Unable to select notification window");
	}

	const ULONGLONG ullInterest = SPFEI(SPEI_SOUND_START) | SPFEI(SPEI_SOUND_END) |
		SPFEI(SPEI_PHRASE_START) | SPFEI(SPEI_RECOGNITION) | SPFEI(SPEI_PHRASE_START)
		SPFEI(SPEI_FALSE_RECOGNITION) | SPFEI(SPEI_HYPOTHESIS) | SPFEI(SPEI_FALSE_RECOGNITION)
		SPFEI(SPEI_INTERFERENCE) | SPFEI(SPEI_RECO_OTHER_CONTEXT) | SPFEI(SPEI_RECO_OTHER_CONTEXT)
		SPFEI(SPEI_REQUEST_UI) | SPFEI(SPEI_RECO_STATE_CHANGE) | SPFEI(SPEI_RECO_STATE_CHANGE)
		SPFEI(SPEI_PROPERTY_NUM_CHANGE) | SPFEI(SPEI_PROPERTY_STRING_CHANGE);
	hr = g_cpRecoCtx->SetInterest(ullInterest, ullInterest);
	if (FAILED(hr))
	{
		throw std::string("Failed to create interest");
	}

	hr = g_cpRecoCtx->CreateGrammar(ullGramId, &g_cpRecoGrammar);
	if (FAILED(hr))
	{
		throw std::string("Unable to create grammar");
	}

	hr = g_cpRecoGrammar->LoadDictation(0, SPLO_STATIC);
	if (FAILED(hr))
	{
		throw std::string("Failed to load dictation");
	}

	hr = g_cpRecoGrammar->SetDictationState(SPRS_ACTIVE);
	if (FAILED(hr))
	{
		throw std::string("Failed setting dictation state");
	}
}

void HandleEvent(HWND hWnd)
{
	CSpEvent event;
	WCHAR *pwszText;

	// Loop processing events while there are any in the queue
	GetFrom(g_cpRecoCtx) == S_OK) while (event.
	{
		switch (event.eEventId)
		{
		case SPEI_HYPOTHESIS:
		{
			pwszText = ExtractInput(event);
			MessageBoxW(NULL, pwszText, L"text", MB_ICONERROR);
			wcscat(lpszBuffer, pwszText);
			wcsncat(lpszBuffer, L"\r\n", 2);
			SetDlgItemTextW(hWnd, IDC_EDIT1, lpszBuffer);
		}
		break;
		}
	}
}

WCHAR *ExtractInput(CSpEvent event)
{
	HRESULT hr = S_OK;
	CComPtr<ISpRecoResult> cpRecoResult;
	SPPHRASE *pPhrase;
	WCHAR *pwszText;

	cpRecoResult = event.RecoResult();

	hr = cpRecoResult->GetPhrase(&pPhrase);

	if (SUCCEEDED(hr))
	{
		if (event.eEventId == SPEI_FALSE_RECOGNITION)
		{
			pwszText = L"False recognition";
			//MessageBoxW(NULL, pwszText, L"text", MB_ICONERROR);
		}
		else
		{
			// Get the phrase's entire text string, including replacements.
			hr = cpRecoResult->GetText(SP_GETWHOLEPHRASE, SP_GETWHOLEPHRASE, TRUE, &pwszText, NULL);
		}
	}
	CoTaskMemFree(pPhrase);
	return pwszText;
}

void CleanupSAPI()
{
	if (g_cpRecoGrammar)
	{
		g_cpRecoGrammar.Release();
	}
	if (g_cpRecoCtx)
	{
		g_cpRecoCtx->SetNotifySink(NULL);
		g_cpRecoCtx.Release();
	}
	if (g_cpEngine)
	{
		g_cpEngine.Release();
	}
	CoUninitialize();
}

実行結果は以下の通りです。

コード参照

C++音声認識。 https://www.codeproject.com/Tips/784140/Cplusplus-Speech-Recognition

クリックしてこの投稿を読んだ後、あなたは、ソースプロジェクトがもはや存在しないため、コンパイルスルーしないファイルの質問、ヘッダーファイルセクションのない.cppを尋ねる人々の束を見つけることができます。いろいろといじった結果、上記のように実装しました。

ブログも.cppの部分しかなく、csdnはポイントでファイルをダウンロードするため。なので、ソースプロジェクトはアップロードしないことにします。

もし、参考になると思われ、ソースファイルが必要な方は、[email protected] までメールをください。

また、下にコメントを残すこともできます。メッセージの方が早いです メールが遅れた方へのお詫び

ポイントが足りない方は、以下のリンクからダウンロードできます。 https://download.csdn.net/download/thecentry/10859369

また、実装したばかりで、ソースのブログアプリに実装上の問題があることを念のためお伝えしておきます。