討論過Voice commands與Speech recognition后，接下來該篇要討論的即是Text-to-Speech。相較于上述二種本篇的內(nèi)容比較容易一些。

主要即是在應(yīng)用程序中指定Speech System閱讀指定的文字。搭配Windows.Phone.Speech.Synthesis API建立synthesized speech(合成語音)，

或稱text-to-speech (TTS)，運用于應(yīng)用程序之中做為提示用戶輸入、閱讀消息的內(nèi)容、目前搜尋的結(jié)果…等。

接著往下說明要操作的方法與重要類別：

(1) 準備必要的capabilites：

要開發(fā)支持Text-to-Speech的應(yīng)用程序，需要在manifest中加入：ID_CAP_SPEECH_RECOGNITION。

(2) 基本的TTS Sample：

最簡單且快速建立TTS的方法，是使用SpeechSynthesizer.SpeakTextAsync()并指定一個純文字的字符串給它。

閱讀時的語系會根據(jù)「設(shè)定/語音/語音功能的語言」而讀出對應(yīng)的發(fā)音內(nèi)容，例如：中文就會一開始讀英文，在15字段時讀出

中文的「十五」。

private async void ButtonSimpleTTS_Click(object sender, RoutedEventArgs e)
{
  SpeechSynthesizer synth = new SpeechSynthesizer();
    
  await synth.SpeakTextAsync("You have a meeting with Peter in 15 minutes.");
}

通常情況下，使用await修飾符搭配SpeakTextAsync()方法，異步執(zhí)行內(nèi)容的朗讀。由于使用SpeakTextAsync()需要呼叫系統(tǒng)的

Speech System所以采用asynchronous機制讓應(yīng)用程序可以繼續(xù)處理其它任務(wù)，

(3) 選擇要朗讀的Voice：

WP 8系統(tǒng)包括多個國家的語音，每一個語音(voice generates synthesized speech )搭配一個語系，依「設(shè)定/系統(tǒng)/語言+地區(qū)」有所不同。

在程序里該怎么指定voice的語言呢？

‧透過建立Windows.Phone.Speech.Synthesis.SpeechSynthesizer后，則可指定要加載語音的語言。

‧建立好的SpeechSynthesizer物件可以指定加載手機中有安裝的任何語音，使用于生成講話。

‧如果沒有語言被指定，API將自動以「設(shè)定/語音(Settings/Speech)」中的語言做為預(yù)設(shè)加載的來源。

如何在程序找到需要的Voice？

‧使用Windows.Phone.Speech.Synthesis.VoiceInformation對象集合與它的Language屬性，搭配LINQ搜尋需要語系以取得語音集合；

->需注意這邊找到的是設(shè)備已經(jīng)安裝的語音；如果沒有需要提示用戶進行安裝；

‧設(shè)定SpeechSynthesizer的SpeechSynthesizer.SetVoice(VoiceInformation)方法來指定要加載的語音；

->在指定VoiceInformation時，需注意透過LINQ搜尋回來的結(jié)果：

(1) only return femle或only return male；

(2) return femle and male；

為何會有這種情況，主要是因為安裝語音時會各語言有二種聲音(男/女)或者只有一種，所以需要指定要用的是female或male

的來發(fā)音，所以會指定Index；

透過下列范例來說明：擷取<Text-to-speech (TTS) for Windows Phone>范例：

// Declare the SpeechSynthesizer object at the class level.
SpeechSynthesizer synth;
 
// Handle the button click event.
private async void SpeakFrench_Click_1(object sender, RoutedEventArgs e)
{
  // Initialize the SpeechSynthesizer object.
  synth = new SpeechSynthesizer();
 
  // Query for a voice that speaks French.
  IEnumerable<VoiceInformation> frenchVoices = from voice in InstalledVoices.All
                     where voice.Language == "fr-FR"
                     select voice;
            
  // Set the voice as identified by the query.
  synth.SetVoice(frenchVoices.ElementAt(0));
 
  // Count in French.
  await synth.SpeakTextAsync("un, deux, trois, quatre");
} 

主要new了一個SpeechSynthesizer對象后，搭配InstalledVoiced.All取得目前設(shè)備中安裝的語音來進行LINQ的搜尋，找到后再指定至對象中。

另外，更可以使用Speech Synthesis Markup Language (SSML)來指定需要語系的語音，

可參考<Speech Synthesis Markup Language Reference>。

上述應(yīng)能為大家建立基本實作TTS的概念，接下來針對主要的類別組件與方法加以說明：

〉Windows.Phone.Speech.Synthesis：

該namespaces定義了包括啟動、設(shè)定speech synthesis engine的類別，以創(chuàng)建成語音提示(prompts)、響應(yīng)事件或是為了修改語音的特性。

SpeechSynthesizer負責speech synthesis engine連結(jié)與功能，更可以搭配指定特定的語系語音來朗讀與呈現(xiàn)；

PromptBuilder類別提供appens speech synthesis engine的內(nèi)容，透過從文字、SSML標記或錄好的語音文件；

還有很多相關(guān)類別，往下針對WP8中會用到的類別來說明：

(a) SpeechSynthesizer：

主要負責text-to-speech (TTS)語音工作的類別。重要的Event與Method如下：

synthesis API有提供上述三種Speak方法來啟動語言輸出，分別支持朗讀純本文、具有SSML標簽內(nèi)容或加載完整的SSML文件；

(b) VoiceInformation：

定義一個text-to-speech voice的信息。重要的屬性如下：

上述的范例程序透過Language屬性來識別要搜尋的語系；

(c) InstalledVoices：

提供連結(jié)在設(shè)備中「設(shè)定/語音」已安裝的synthesis voices。

〉Speech Synthesis Markup Language (SSML) ：

SSML是XML-based的標準格式語言被設(shè)計用于speech synthesis應(yīng)用程序。在W3C's voice browser working group也有推薦該定義語言。

它允許開發(fā)人員控件多種synthesis speech的特性，例如：語音、語言、發(fā)音…等。然而MS實作SSML版本是基于World Wide Web Consortium

所定義的1.0版本(Speech Synthesis Markup Language (SSML) Version 1.0.)。

然而在SpeechSyntheiszer類別提供二個使用SSML朗讀文字的方法，分別為：SpeakSsmlAsync(String)與SpeakSsmlFromUriAsync(Uri)。

前者接收類似參數(shù)型的文字(簡單用SSML定義要朗讀的內(nèi)容)，可比較方便在程序里立即切換要發(fā)音的語系；

后者則以完整的SSML文件定義來加以朗讀，可透過完整定義各種發(fā)音內(nèi)容與語系；

往下參考<Using SSML for advanced text-to-speech on Windows Phone 8>來說明SSML的結(jié)構(gòu)：

(1) SSML文件或文字必定由<speak />卷標給包裝起來；

<speak />是在文件中是root element，也可以直接使用不包裝其它element的組合。例如：

<speak version="1.0" 
       xmlns="http://www.w3.org/2001/10/synthesis" 
       xml:lang="string"> </speak>

內(nèi)有三個屬性，其中以xml:lang為最為重要，透過字面可看出它即是定義該speak要使用何種語系來發(fā)音。

搭配SpeakSsmlAsync(String)最簡單的范例如下：

private async void SpeachBySsmlString() 
{
    synth = new SpeechSynthesizer();
    // 定義一個簡單的<speak />，指定發(fā)音語系為en-US；
    string ssmlText = "<speak version=\"1.0\" ";
    ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
    ssmlText += " Testing Windows Phone 8 TTS";
    ssmlText += "</speak>";
    await synth.SpeakSsmlAsync(ssmlText);
}

(2) 加入指定的Sound Files：

除了上述直接定義<speak />搭配文字內(nèi)容外，還可以指定<audio />于要發(fā)音的文字段中，舉例來說：

有一段「this is a book.」我想要把「book」用上自己的音檔，則可以寫成

「this is a <audio src="ms-appx:///Assets/book.wav">book</audio>」。

然而，并非什么音檔格式均可以搭配<audio />，音檔格式需要符合：

‧support file in PCM, a-law and u-law format；

‧8 bits or 16 bits depth；

‧non-stereo (mono only)；

private async void SpeakByStringInAudio()
{
    ssmlText = "<speak version=\"1.0\" ";
    ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
    ssmlText += "Here comes the dog, ";
    // 指定要播放音檔
    ssmlText += "<audio src=\"ms-appx:///Assets/cats.wav\">Dog </audio>";
 
    ssmlText += "</speak>";await synth.SpeakSsmlAsync(ssmlText);
}

src屬性指定要加載的音檔，如果朗讀過中加載該音檔失敗、格式不符合或其它理由造成無法播放音文件時，系統(tǒng)會自己以預(yù)設(shè)的語音朗讀。

另外，src采用的location有些可以支持Assets/cats.wav，但保險一點建議寫成具有完整URI Scheme的格式比較好。

(3) 插入暫停：

<break />標簽被用于插入至朗讀過程暫�；驎和Ｖ付〞r間，可搭配二個屬性使用：

‧strength：選用屬性，其值包括：none, x-weak, weak, medium, strong, or x-strong；

‧time：選用屬性，定義停止的時間，單位：seconds或milliseconds；

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
// 分別定義要暫停時間與暫停強度
ssmlText += "There is a pause <break time=\"500ms\" /> here, ";
ssmlText += "and another one <break strength=\"x-strong\" /> here";
ssmlText += "</speak>";
await synth.SpeakSsmlAsync(ssmlText);

(4) 定義或改變單詞的發(fā)音：

SSML提供二種方法用于指定speech synthesis調(diào)整某一個字的發(fā)音。如下：

‧針對該字定義on-time的發(fā)音(pronunciation)，采用<phoneme />；

=>但采用該方法也代表只要出現(xiàn)該字時，均需要再用<phoneme/>包裝一次；

=>具有二個屬性：ph、alphabet；

如下范例：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
// 定義<phoneme/>與相關(guān)屬性，ph為發(fā)音的方式；alphabet為固定
ssmlText += "<phoneme alphabet=\"x-microsoft-ups\" ph=\"O L AA\">hello</phoneme>";
ssmlText += ", I mean hello";ssmlText += "</speak>";
 
await synth.SpeakSsmlAsync(ssmlText);

‧在一個地方定義多個字的發(fā)音，采用<lexicon />；

=>定義<lexicon />需要額外產(chǎn)生份lexicon file。該份文件也是XML-based，內(nèi)容包括了發(fā)音與文字對應(yīng)。如下范例：

<?xml version="1.0" encoding="UTF-8"?>
<lexicon version="1.0"  
        xmlns="http://www.w3.org/2005/01/pronunciation-lexicon"  
        alphabet="x-microsoft-ups" xml:lang="en-US">  
    <lexeme>    
        <grapheme>wife</grapheme>    
        <phoneme> W AI F AI</phoneme>  
    </lexeme>
</lexicon>

每一個字定義一個<lexeme />，它包含<phoneme />(定義該字如何發(fā)音)與<grapheme />(定義什么字要用特定發(fā)音)；

=>定義好的lexicon file，搭配SpeakSynthesizer.SpeakSsmlAsync()時，需要在<speak />中建立的<lexicon />

加入uri屬性與type屬性，如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
//指定uri屬性
ssmlText += "<lexicon uri=\"ms-appx:///Assets/lexicon1.xml\"";
//指定type類型，與MIME Type相同
ssmlText += " type=\"application/pls+xml\"/>";
ssmlText += "She is not my wife";ssmlText += "</speak>";
await synth.SpeakSsmlAsync(ssmlText);

需注意，如果一份SSML中同時存在<phoneme />與<lexicon />時，speech synthesis會以<phoneme />為較高的優(yōu)先權(quán)。

更多相關(guān)的內(nèi)容可以參考<lexicon Element SSML>與<Speech Synthesis Markup Language Reference>。

(5) 更改voices：

有很多方法可以改變指定目前要朗讀的Voice，例如上述透過SpeakSynthesizer.SetVoice()的方法，

從InstalledVioce中搜尋到需要語系再指定。在SSML里提供<voice />卷標來指定，該卷標具有多個屬性，

但都是選擇使用，但至少要有一個，這些屬性被認為是speech synthesis的優(yōu)先選的值，

因此，如果在加載該voice是有屬性值有錯的話，會另外以其它屬性來使用。

范例如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
//定義了<voice/>與相關(guān)的屬性
ssmlText += "<voice name=\"Microsoft Susan Mobile\" gender=\"female\" age=\"30\"";
ssmlText += " xml:lang=\"en-US\">";ssmlText += "This is another test </voice>";
ssmlText += "</speak>";
 
await synth.SpeakSsmlAsync(ssmlText);

另外，還可以透過<p xml:lang="" />與<s xml:lang="" />針對某些內(nèi)容修改vocie，如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-GB\">";
// 利用<p />與<s />切換voice
ssmlText += "<p>";ssmlText += "<s>First sentence of a paragraph</s>";
ssmlText += "<s xml:lang=\"en-US\">And this is the second sentence</s>";
ssmlText += "</p>";ssmlText += "</speak>";
await synth.SpeakSsmlAsync(ssmlText);

(6) 改變語音的韻律：

可透過<break />標簽去暫�；蛘{(diào)整朗讀的速度，另外可以搭配<prosody />提供更多屬性的設(shè)定來達到需求。例如：

<prosody pitch="value" contour="value" 
         range="value" rate="value" 
         duration="value" volume="value"> </prosody>

搭配程序如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
ssmlText += "Testing the ";
// 定義<prosody />
ssmlText += "<prosody pitch=\"+100Hz\" volume=\"70.0\" >Prosody</prosody>";
ssmlText += " element";
ssmlText += "Normal,<prosody rate=\"2\"> Very Fast,</prosody>";
ssmlText += "<prosody rate=\"0.4\"> now slow,</prosody>";
ssmlText += "and normal again";
ssmlText += "</speak>";
 
await synth.SpeakSsmlAsync(ssmlText);

(7) 監(jiān)控講話進度：

如果應(yīng)用程序中需要針對朗讀時有具體的監(jiān)控行動，可以在SSML中為每一個監(jiān)控點加上<mark />標簽，那么，speech synthesizer在朗

讀時如遇到<mark />會自動觸發(fā)SpeechBookmarkReached event，透過該事件即可得到相關(guān)<mark />的信息。如下程序內(nèi)容：

public MainPage()
{    
    InitializeComponent();    
    synth = new SpeechSynthesizer();    
    // Add the event handler for the speech progress events    
    synth.BookmarkReached += new TypedEventHandler<SpeechSynthesizer, 
            SpeechBookmarkReachedEventArgs>(synth_BookmarkReached);
} 
 
private async void Button7_Click(object sender, RoutedEventArgs e)
{    
    ssmlText = "<speak version=\"1.0\" ";    
    ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
    //標記要取得的<mark />
    ssmlText += "<mark name=\"START\"/>";    
    ssmlText += "This is the first half of the speech.";    
    ssmlText += "<mark name=\"HALF\"/>";    
    ssmlText += "and this the second half. Ending now";    
    ssmlText += "<mark name=\"END\"/>";    
    ssmlText += "</speak>";    
    await synth.SpeakSsmlAsync(ssmlText);
 
} 
 
static void synth_BookmarkReached(object sender, SpeechBookmarkReachedEventArgs e)
{    
    Debugger.Log(1, "Info", e.Bookmark + " mark reached\n");
}

(8) Specifying content type and aliasing parts of a speech：

利用<say-as />來表示特定的content type(例如：日期、數(shù)字)。其格式如下：

<say-as interpret-as="string" format="digit string" detail="string"> <say-as>

舉例常見interpret-as如下：

范例如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
//定義為ordinal 
ssmlText += "<p>This is an ordinal number: <say-as interpret-as=\"ordinal\">121</say-as></p>";
//定義為cardinal
ssmlText += "<p>This is a cardinal number: <say-as interpret-as=\"cardinal\">121</say-as></p>";
//定義為characters
ssmlText += "<p>And these are just individual numbers: <say-as interpret-as=\"characters\">121</say-as></p>";
ssmlText += "</speak>";
 
await synth.SpeakSsmlAsync(ssmlText);

另外，還可以搭配<sub />來提供指定某一字需要換讀完整的字段，例如：在文字中可以把字寫成縮寫，但在讀的時候想要用完整字來讀的情境。

用于定義一個別名的功能，它可能不是特別有用，因為它的工作原理就像一次性別名，因此，其意圖可能是給SSML文檔所提供的方式有書面和

口頭形式的相關(guān)文本更清晰。范例如下：

ssmlText = "<speak version=\"1.0\" ";
ssmlText += "xmlns=\"http://www.w3.org/2001/10/synthesis\" xml:lang=\"en-US\">";
//定義別名，所以當遇到WP8時，不會讀WP8，而換成Windows Phone 8
ssmlText += "This code runs on <sub alias=\"Windows Phone 8\">WP8</sub>";
ssmlText += "</speak>";
await synth.SpeakSsmlAsync(ssmlText);

(9) 播放一份SSML document：

定義SSML document本身即是XML文件，把上述介紹過的一些參數(shù)與格式整理成一份檔案。

搭配SpeackSssmlFromUri()將應(yīng)用程序中的SSML Document透過URI的方式加載進行朗讀。一份完整的SSML Document如下：

<speak version="1.0" 
       xmlns="http://www.w3.org/2001/10/synthesis" 
       xml:lang="en-US">  
    <voice gender="male" xml:lang="en-US">    
        <prosody rate="0.8">      
            <p>Thanks for reading the article, and thanks for trying the examples</p>
            <p>Now be creative, and create amazing applications for this fantastic platform</p>      
            <voice gender="male" xml:lang="es">Adios</voice>    
        </prosody>  
    </voice>
</speak>

搭配以下的程序段：

await synth.SpeakSsmlFromUriAsync(new Uri("ms-appx:///Assets/SSML1.xml"));