C++ Microsoft SAPI：如何将 Windows 文本转语音输出设置到内存缓冲区？

Question

我一直试图弄清楚如何使用 Windows SAPI 5.1 将文本“讲”到内存缓冲区中，但到目前为止没有成功，尽管看起来应该非常简单。

有 将合成语音流式传输到 .wav 文件的示例，但没有如何将其流式传输到内存缓冲区的示例。

最后，我需要以 16 kHz 16 位小端 PCM 格式将合成语音存储在 char* 数组中。目前，我创建一个临时 .wav 文件，将语音输出重定向到那里，然后读取它，但这似乎是一个相当愚蠢的解决方案。

有人知道该怎么做吗？

谢谢！

Answer 1

查看 ISpStream::SetBaseStream。这里有一个小帮手：

inline HRESULT SPCreateStreamOnHGlobal(
                    HGLOBAL hGlobal,            //Memory handle for the stream object
                    BOOL fDeleteOnRelease,      //Whether to free memory when the object is released
                    const WAVEFORMATEX * pwfex, //WaveFormatEx for stream
                    ISpStream ** ppStream)      //Address of variable to receive ISpStream pointer
{
    HRESULT hr;
    IStream * pMemStream;
    *ppStream = NULL;
    hr = ::CreateStreamOnHGlobal(hGlobal, fDeleteOnRelease, &pMemStream);
    if (SUCCEEDED(hr))
    {
        hr = ::CoCreateInstance(CLSID_SpStream, NULL, CLSCTX_ALL, __uuidof(*ppStream), (void **)ppStream);
        if (SUCCEEDED(hr))
        {
            hr = (*ppStream)->SetBaseStream(pMemStream, SPDFID_WaveFormatEx, pwfex);
            if (FAILED(hr))
            {
                (*ppStream)->Release();
                *ppStream = NULL;
            }
        }
        pMemStream->Release();
    }
    return hr;
}

Answer 2

我使用 ISpStream 完成了它。使用 ispstream 的 Setbasestream 函数将其绑定到 istream，然后将 ispvoice 的输出设置到该 ispstream。

如果有人需要，这是我的工作解决方案：

https://github.com/itsyash/MS-SAPI -演示

Answer 3

您知道如何创建内存映射文件吗？您可以查看 ISpStream 是否会绑定到它。