Uso de Voz em Delphi

Em 11 de agosto de 2001, a Microsoft libera o SAPI 5.1 SDK na qual permite seu uso em qualquer linguagem que suporte automação OLE (BOX 1). SAPI é o acrônimo de Speech Application Programming Interface. Consiste em uma API desenvolvida pela Microsoft na qual possibilita o reconhecimento de voz em aplicações Windows. Um exemplo conhecido de software que faz uso desta API é o Microsoft Office.

Os componentes do SAPI SDK podem ser utilizados para elaborar sistemas com reconhecimento de voz e leitura de dados. Essa tecnologia que é muito robusta pode ser usada não só em Delphi, como em diversas outras linguagens de programação.

Usando a tecnologia do SDK SAPI 5.1

Para seu uso em Delphi, é necessário instalar o SDK SAPI 5.1 e configurá-lo, sendo apenas um detalhe mínimo, bastando importar sua Type Library e usar conforme a necessidade.

Em aplicações que irão usar leitura de textos, não é necessário ter nenhum reconhecimento de voz (SDK) instalado na máquina do cliente, sendo assim, limita-se apenas ao uso das “vozes” que estão instaladas no próprio Windows.

Além disso, podem ser instaladas vozes adicionais para o uso da aplicação, estas são identificadas por nomes de pessoas como as de “Raquel” (Português) e “Alonso” (Espanhol). No caso do idioma em português, existem outras opções, no entanto, a voz mais completa e de entonação melhor seria a voz denominada como “Raquel”. Na seção Links foi disponibilizado seu download.

Para usar os recursos de reconhecimento de voz, deve-se obrigatoriamente atender alguns pré-requisitos. Sendo assim, devem ser instalados no Windows, dentro de Painel de Controle, o reconhecimento de voz, assim como um microfone e a parte de som, que deverá estar funcionando corretamente.

Leitura de textos

Para leitura de textos, não é necessário ter nenhum reconhecimento de voz instalado. O computador irá apenas reproduzir o texto, usando os fonemas do idioma da voz selecionada para a “leitura” do texto.

Reconhecimento de comandos simples

Para um uso de reconhecimento de comandos simples, pra controlar botões e controles diversos dos formulários em geral, basta criar um objeto de reconhecimento (SpSharedRecoContext) e uma gramática para o mesmo. Esta gramática é o conjunto de palavras (comandos), que serão reconhecidos pela aplicação e que podem ser carregados por meio de um arquivo, banco de dados, ou um XML que é o mais comum. Desta forma os usuários podem falar o que for, que será descartado pelo objeto de reconhecimento. Quando uma palavra for falada e estiver na gramática do reconhecimento (XML, por exemplo) o aplicativo irá executar a ação correspondente do seu código.