Оглавление.
Введение. Общие вопросы компьютерного распознавания и порождения речи.1. Программирование звука в Windows.
2. Основы цифровой обработки звуковых сигналов.
3. Определение параметров речевого сигнала.
4. Алгоритмы распознавания.
5. Использование Microsoft Speech API 5.1 для синтеза и распознавания речи.
6. Использование Microsoft Speech API 4.0 для синтеза речи.
Ссылки.
Об авторе.
Компьютерное распознавание и порождение речи
Глава 1. Программирование звука в Windows.
| Назад | В начало главы | Дальше |
1.2.4. Работа с файлами в формате RIFF.
RIFF – аббревиатура от английского “Resource Interchange File Format” (формат
Файла для обмена ресурсами). Этот формат имеют файлы с расширением “.wav”,
хранящие звуковую информацию, и файлы в формате “.avi”, содержащие
видеоинформацию.
В целом файл формата RIFF выглядит из кусков (chunk) типа “RIFF” или “LIST”,
имеющих следующий формат
| “RIFF” | Размер | Данные |
|---|
| DWORD | DWORD |
|---|
То есть кусок состоит из заголовка, содержащего тип куска –четырехсимвольный код FOURCC ,-и его размер, и из области данных.
Область данных в свою очередь состоит из подразделов следующего формата
| “WAVE” | “fmt“ | Размер | Формат данных | Фрагмент “data” |
|---|
Здесь “WAVE” – идентификатор типа информации (здесь – звуковые данные), далее следует фрагмент формата звуковых данных: три символа – f, m, t и после них пробел, далее – общий размер подраздела, формат данных и – непосредственно фрагмент звуковых (или видео) данных (на схеме – “фрагмент “data”).
Формат данных описывает данные. Структура этой области для формата PCM (импульсно-кодовой модуляции) имеет следующий вид:
typedef struct pcmwaveformat_tag {
WAVEFORMAT wf;
WORD wBitsPerSample;
} PCMWAVEFORMAT;
Структура WAVEFORMAT была описана ранее, когда мы рассматривали процедуру Открытия звукового устройства waveInOpen. Поле wBitsPerSample содержит частоту дискретизации. Фрагмент звуковых данных имеет следующий формат тоже имеет составную структуру следующего формата:
| “data” | “fmt“ | Размер | Звуковые данные |
|---|
Для работы с RIFF-файлами в winmm.dll содержится целый ряд функций. Рассмотрим основные.
HMMIO mmioOpen(
LPSTR szFileName, // путь к файлу
LPMMIOINFO lpmmioinfo, // указатель на структуру MMIOINFO
DWORD dwOpenFlags); // флаги для операции открытия
Открывает RIFF-файл. Параметры: szFileName – длинный указатель на строку, заканчивающуюся символом ‘\0’, содержащую путь к открываемому файлу. lpmmioinfo – указатель на структуру MMIOINFO с дополнительными параметрами операции открытия. В общем случае можно указать значение этого параметра как NULL и не использовать эту структуру вообще. dwOpenFlags содержит комбинацию флагов, соединенных логической операцией ИЛИ. Важнейшие флаги: MMIO_READ – чтение, MMIO_WRITE – запись, MMIO_READWRITE – чтение и запись, MMIO_DELETE – удаление файла, MMIO_ CREATE – создание нового файла, MMIO_EXCLUSIVE – файл будет открыт в монопольном режиме, MMIO_DENYWRITE – другим программам будет закрыт доступ на записьв файл, MMIO_DENYREAD – другим программам будет закрыт доступ на чтение файла, MMIO_DENYNONE – разрешение записи и чтения из/в файл(а) для других пограмм. Функция возвращает идентификатор открытого файла.
UINT mmioClose(
HMMIO hmmio, // идентификатор открытого файла
UINT wFlags); // флаги для операции закрытия файла
Закрывает RIFF-файл. Параметры: hmmio – идентификатор открытого файла, полученный с помощью функции mmioOpen. wFlags - в общем случае 0. Функция возвращает 0 в случае успеха, иначе – код ошибки.
LONG mmioWrite(
HMMIO hmmio, // идентификатор открытого файла
HPSTR hpBuff, // указатель на буфер с данными
LONG dwBytes); // размер буфера
Запись в файл буфера данных. Указатель текущей позиции в файле при этом перемещается вперед на количество записанных байтов. Параметры: hmmio – идентификатор открытого файла, полученный с помощью функции mmioOpen. hpBuff – указатель на буфер длиной более 64 Кбайт, dwBytes – размер буфера. Возвращает -1 в случае ошибки, иначе – число записанных байтов.
LONG mmioRead(
HMMIO hmmio, // идентификатор открытого файла
HPSTR hpBuff, // указатель на буфер с данными
LONG dwBytes); // размер буфера
Чтение из файла в буфер данных. Указатель текущей позиции в файле при этом перемещается вперед на количество порчитанных байтов. Параметры: hmmio – идентификатор открытого файла, полученный с помощью функции mmioOpen. hpBuff – указатель на буфер длиной более 64 Кбайт, dwBytes – размер буфера. Возвращает -1 в случае ошибки, иначе – число прочитанных байтов.
LONG mmioSeek (
HMMIO hmmio, // идентификатор открытого файла
LONG dwOffset, // смещение текущей позиции в байтах
int nOrigin); // размер буфера
Устанавливает текущий указатель в файле с указанным в байтах смещением dwOffset . Позиция, от которой отсчитывается смещение определяется реквизитом nOrigin. Если nOrigin равно SEEK_SET – смещение определяется от начала файла, если SEEK_END – смещение от конца (со знаком минус), SEEK_CUR – смещение от текущей позиции в файле.
FOURCC mmioFOURCC (
CHAR ch0, // первая буква кода
CHAR ch1, // вторая буква кода
CHAR ch2, // третья буква кода
CHAR ch3); //четвертая буква кода
Формирует код FOURCC из четырех символов ch0, ch1, ch2, ch3. Так FOURCC-код “WAVE” формируется оператором
FOURCC FourCCCode = mmioFOURCC(‘W’,’A’,’V’,’E’).
FOURCC mmioStringToFOURCC(
LPCSTR szString, // преобразуемая строка
UINT wFlags) // способ преобразования
Формирует код FOURCC из строки szString. wFlags в общем случае 0, если wFlags равен MMIO_TOUPPER, все буквы будут преобразованы в заглавные.
UINT mmioCreateChunk(
HMMIO hmmio, // идентификатор открытого файла
LPMMCKINFO lpck, // указатель на структуру MMCKINFO
UINT wFlags); // вид фрагмента
Создает новый кусок в RIFF-файле. Параметры: hmmio – идентификатор открытого файла, полученный с помощью функции mmioOpen. wFlags – MMIO_CREATERIFF, если создается кусок “RIFF”, MMIO_CREATELIST – если создается кусок “LIST”. lpck - указатель на структуру MMCKINFO, определяемую следующим образом:
typedef struct _MMCKINFO {
FOURCC ckid; // код-идентификатор куска
DWORD cksize; // размер куска в байтах
FOURCC fccType; // вид куска
DWORD dwDataOffset; // смещение области данных в байтах // от начала файла
DWORD dwFlags; // NULL или MMIO_DIRTY
} MMCKINFO;
ckid – например, MMIO_CREATERIFF. сksize вычисляется без учета идентификатора куска, поля длины куска и дополнительных файлов выравнивания, которые могут находится в конце куска, fccType – например mmioFOURCC(‘W’,’A’,’V’,’E’). Значение флага dwFlags MMIO_DIRTY означает, что длина куска может быть изменена функцией mmioAscend. Которую мы здесь рассматривать не будем.
