C#调用SAPI语音合成的两种实现方式

方法一：使用COM组件 SpeechLib

这种方法直接调用系统的SAPI COM对象。其优势在于兼容性较好，能够在XP至Windows 7等系统中稳定运行，并且对发音引擎的控制较为精细。使用前需要在项目中添加对 SPIPELib.dll（或系统自带的SpeechLib类型库）的引用。

第1步：初始化语音对象

通过单例模式管理语音实例，确保内存中的唯一性，并使用 SpVoiceClass 创建语音对象。这种方式需要手动处理对象的生命周期。

public class Speech
{
    private static Speech _Instance = null;
    private SpeechLib.SpVoiceClass voice = null;

    private Speech()
    {
        BuildSpeech();
    }

    public static Speech Instance()
    {
        if (_Instance == null)
            _Instance = new Speech();
        return _Instance;
    }

    private void BuildSpeech()
    {
        if (voice == null)
            voice = new SpVoiceClass();
    }
}

第2步：设置音色与语言切换

SAPI允许获取系统中安装的所有语音列表。可以通过索引选择特定的语音引擎（如中文或英文TTS引擎）。注意：索引位置取决于用户安装的具体语音包，通常第一个为默认中文，第二个可能为英文或其他语言。

private void SetChinaVoice()
{
    // 获取语音列表并选择第0个（通常为中文）
    voice.Voice = voice.GetVoices(string.Empty, string.Empty).Item(0);
}

private void SetEnglishVoice()
{
    // 获取语音列表并选择第1个（需确认系统存在该语音）
    voice.Voice = voice.GetVoices(string.Empty, string.Empty).Item(1);
}

第3步：实现核心朗读逻辑

核心的 Speak 方法使用 SpeakAsync 标志位实现异步朗读，避免阻塞主线程。同时提供音量（Volume）和语速（Rate）的属性封装。

public void Speak(string text, SpeechVoiceSpeakFlags flags)
{
    try
    {
        // SVSFlagsAsync 表示异步朗读
        voice.Speak(text, flags);
    }
    catch (Exception err)
    {
        throw new Exception("朗读失败: " + err.Message);
    }
}

public int Volume
{
    get { return voice.Volume; }
    set { voice.SetVolume((ushort)value); }
}

public int Rate
{
    get { return voice.Rate; }
    set { voice.SetRate(value); }
}

第4步：处理中英文混合朗读

为了获得更自然的发音效果，需要对输入文本进行分词判断，分别调用中文或英文语音对象进行朗读。以下示例展示了简单的字符范围判断逻辑：

public void AnalyseSpeak(string strSpeak)
{
    int iCbeg = 0, iEbeg = 0;
    bool IsChina = true;

    for (int i = 0; i < strSpeak.Length; i++)
    {
        char chr = strSpeak[i];
        // 简单判断是否为ASCII字母（英文）
        if (IsChina)
        {
            if (chr >= 65 && chr <= 122)
            {
                string sub = strSpeak.Substring(iCbeg, i - iCbeg);
                SetChinaVoice();
                Speak(sub, SpeechVoiceSpeakFlags.SVSFlagsAsync);
                iEbeg = i;
                IsChina = false;
            }
        }
        else
        {
            if (chr > 122 || chr < 65)
            {
                string sub = strSpeak.Substring(iEbeg, i - iEbeg);
                SetEnglishVoice();
                Speak(sub, SpeechVoiceSpeakFlags.SVSFlagsAsync);
                iCbeg = i;
                IsChina = true;
            }
        }
    }
    // 处理剩余未朗读的部分
    if (IsChina)
    {
        string sub = strSpeak.Substring(iCbeg);
        SetChinaVoice();
        Speak(sub, SpeechVoiceSpeakFlags.SVSFlagsAsync);
    }
    else
    {
        string sub = strSpeak.Substring(iEbeg);
        SetEnglishVoice();
        Speak(sub, SpeechVoiceSpeakFlags.SVSFlagsAsync);
    }
}

方法二：使用 .NET System.Speech 命名空间

从 .NET Framework 3.0 开始，微软提供了托管类的语音合成 API。这种方法不需要引用外部COM库，代码更加简洁，且自动处理了部分底层资源释放。但需注意，该方法依赖 Windows Vista/7 及以上版本的 SAPI 5.x 集成库。

第1步：引入命名空间与实例化

必须添加对 System.Speech.dll 的引用，并引入 System.Speech.Synthesis 命名空间。使用 SpeechSynthesizer 类作为核心对象。

using System.Speech.Synthesis;

public class TtsReader
{
    private SpeechSynthesizer synth = new SpeechSynthesizer();
    
    public TtsReader(int volume = 80, int rate = 0)
    {
        // 设置音量 [0-100]
        synth.Volume = volume;
        // 设置语速 [-10~10]，负值慢，正值快
        synth.Rate = rate;
    }
}

第2步：指定语音引擎

不同操作系统安装的语音包不同。可以通过 SelectVoice 方法指定具体的语音名称，如 Microsoft Lili（中文）或英文语音。ListInstalledVoices 可以列出当前系统所有可用的语音。

public void ReadChinese(string text)
{
    try
    {
        // 指定使用中文语音
        synth.SelectVoice("Microsoft Lili"); 
        // 同步朗读
        synth.Speak(text);
    }
    catch (Exception)
    {
        // 若未找到指定语音，可回退到默认语音
        synth.Speak(text);
    }
}

public void ReadEnglish(string text)
{
    // 指定英文语音，例如 "VW Julie" 或其他已安装的英文名
    synth.SelectVoice("Microsoft Anna");
    synth.SpeakAsync(text);
}

第3步：属性管理与控制

与COM方式类似，可以通过属性封装访问音量和语速。此外，Sysstem.Speech 还支持将语音输出保存为WAV文件，只需调用 SetOutputToWaveFile 即可。

public int Volume
{
    get { return synth.Volume; }
    set { synth.Volume = value; }
}

public int Rate
{
    get { return synth.Rate; }
    set { synth.Rate = value; }
}

// 导出为音频文件示例
public void SaveToWav(string path, string text)
{
    synth.SetOutputToWaveFile(path);
    synth.Speak(text);
    synth.SetOutputToDefaultAudioDevice(); // 恢复默认输出设备
}

总结与对比

两种方式各有适用场景：SPIPELib/SAPI COM 方式灵活性高，适合需要精细控制底层SAPI特性或在旧系统（如XP）上运行的项目，但需要注意COM互操作的性能开销。System.Speech 方式则是现代C#开发的首选，代码可读性强，维护成本低，且天然支持异步操作和音频文件导出，推荐用于Win7及之后的Windows环境开发。

以上就是C#中调用SAPI实现语音合成的2种方法的详细内容，更多关于C#语音合成(SAPI)的资料请关注本站其它相关文章！