当先锋百科网

首页 1 2 3 4 5 6 7

asr语音转写_C# 10分钟完成百度语音技术

(给DotNet加星标，提升.Net技能)

转自：熊泽-学习中的苦与乐 cnblogs.com/xiongze520/p/11301882.html

我们已经讲了人脸识别(入门+进阶)、图片识别(入门)。

《C# 10分钟完成百度人脸识别——入门篇》

《C# 30分钟完成百度人脸识别——进阶篇》

《C# 10分钟完成百度图片提取文字(文字识别)——入门篇》

今天我们来盘一盘语音识别与合成。

PS：仅供了解参考，如需进一步了解请继续研究。

我们现在就基于百度Ai开放平台进行语音技术的相关操作，Demo使用的是C#控制台应用程序。

一、创建百度AI语音技术应用

在百度AI开放平台中，登录自己的百度账号，点击“语音识别”服务，选择“创建应用”，填好应用名称，选择应用类型，填好应用描述，这样就创建好了“语音识别”服务。

具体不废话，不知道的小伙伴可以移步看这里：C# 10分钟完成百度人脸识别——入门篇。

创建完成后会生成APPID、APP Key、Secret Key，这些是关键内容，后面要用。

二、创建VS控制台应用程序，引入动态链接库

首先我们创建一个VS控制台应用程序，这里就不详细说明。

然后引入百度Baidu.AI动态链接库，步骤如下，小编使用2017，所以直接在NuGet中搜索Baidu.AI安装即可。

安装语音识别 C# SDK

C# SDK 现已开源! https://github.com/Baidu-AIP/dotnet-sdk

** 支持平台：.Net Framework 3.5 4.0 4.5， .Net Core 2.0 **

方法一：使用Nuget管理依赖 (推荐)

在NuGet中搜索 Baidu.AI，安装最新版即可。

packet地址 https://www.nuget.org/packages/Baidu.AI/

方法二：下载安装

语音识别 C# SDK目录结构

99f91be4ae2a008d5562c8c50668b27e.png

如果需要在 Unity 平台使用，可引用工程源码自行编译。

安装

1、在官方网站(http://ai.baidu.com/sdk)下载C# SDK压缩工具包。

2、解压后，将 AipSdk.dll 和 Newtonsoft.Json.dll 中添加为引用。

三、编写代码调试，效果图查看

创建一个空文件夹，命名为Image，存一个音频文件，做调试，后面语音合成的文件也在这里。

在Program.cs中编写代码，代码编写如下，可以直接拷贝进行调试。

我们这里只讲述语音识别和语音合成，其他的内容可以在官网进行编写：https://ai.baidu.com/docs#/ASR-Online-Csharp-SDK/top

语音识别：

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Voice
{
class Program
    {
static void Main(string[] args){
// 设置APPID/AK/SK
var APP_ID = "16938141";
var API_KEY = "8y2pB5HLrLD5Zu7aaQV3ce0g";
var SECRET_KEY = "5tDp3opvpIdEnlXBTOWn9W0O7CdhRNYu";
//语音识别
var client = new Baidu.Aip.Speech.Asr(APP_ID, API_KEY, SECRET_KEY);
            client.Timeout = 60000;  // 修改超时时间
var data = File.ReadAllBytes("E:\\Work Demo\\语音技术\\Voice\\Voice\\Image\\16k.wav");
// 可选参数
var options = new Dictionary<string, object>
             {
                {"dev_pid", 1536}  //语音模型1536代表普通话，其他请查看官方文档
             };
            client.Timeout = 120000; // 若语音较长，建议设置更大的超时时间. ms
var result = client.Recognize(data, "wav", 16000, options);
            Console.Write(result);

////语音合成
//var _ttsClient = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY);
//_ttsClient.Timeout = 60000;  // 修改超时时间
//// 可选参数
//var option = new Dictionary()
//            {
//                {"spd", 5}, // 语速
//                {"vol", 7}, // 音量
//                {"per", 4}  // 发音人，4：情感度丫丫童声
//            };
//var result = _ttsClient.Synthesis("今天天气不错，适合嗮太阳", option);
//if (result.ErrorCode == 0)  // 或 result.Success
//{
//    File.WriteAllBytes("E:\\Work Demo\\语音技术\\Voice\\Voice\\Image\\aaa.mp3", result.Data);
//}
        }
    }
}

我们查看一下识别出来的语音是什么 

90b4e59bf00ecda61f1919283d87563a.png

这个就是我准备的语音，识别成功。

格式支持：pcm(不压缩)、wav(不压缩，pcm编码)、amr(压缩格式)。推荐pcm 采样率 ：16000 固定值。编码：16bit 位深的单声道。

百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr会有额外的转换耗时。

  • 16k 采样率pcm文件样例下载

  • 16k 采样率wav文件样例下载

  • 16k 采样率amr文件样例下载

音频文件格式转换请参见文档【语音识别小工具\音频文件转码】http://ai.baidu.com/docs#/ASR-Tool-convert/top

更多内容详见官网：https://ai.baidu.com/docs#/ASR-API/top

语音合成：

合成文本长度必须小于1024字节，如果本文长度较长，可以采用多次请求的方式。文本长度不可超过限制

详见官网：https://ai.baidu.com/docs#/TTS-Online-Csharp-SDK/top

using System;

using System.Collections.Generic;

using System.IO;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace Voice
{
class Program
    {
static void Main(string[] args){
// 设置APPID/AK/SK
var APP_ID = "16938141";
var API_KEY = "8y2pB5HLrLD5Zu7aaQV3ce0g";
var SECRET_KEY = "5tDp3opvpIdEnlXBTOWn9W0O7CdhRNYu";
////语音识别
//var client = new Baidu.Aip.Speech.Asr(APP_ID, API_KEY, SECRET_KEY);
//client.Timeout = 60000;  // 修改超时时间
//var data = File.ReadAllBytes("E:\\Work Demo\\语音技术\\Voice\\Voice\\Image\\16k.wav");
//// 可选参数
//var options = new Dictionary
// {
//    {"dev_pid", 1536}  //语音模型1536代表普通话，其他请查看官方文档
// };
//client.Timeout = 120000; // 若语音较长，建议设置更大的超时时间. ms
//var result = client.Recognize(data, "wav", 16000, options);
//Console.Write(result);

//语音合成
var _ttsClient = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY);
            _ttsClient.Timeout = 60000;  // 修改超时时间
// 可选参数
var option = new Dictionary<string, object>()
                        {
                            {"spd", 5}, // 语速
                            {"vol", 7}, // 音量
                            {"per", 4}  // 发音人，4：情感度丫丫童声
                        };
var result = _ttsClient.Synthesis("听说关注博主不迷路", option);
if (result.ErrorCode == 0)  // 或 result.Success
            {
                File.WriteAllBytes("E:\\Work Demo\\语音技术\\Voice\\Voice\\Image\\aaa.mp3", result.Data);
            }
        }
    }
}

运行后查看效果，如下：

96ee3fdd5de9fe5462ebf88bcf597e1c.png

这样就合成成功了。

四、总结

简单的入门就到这里，后面的实时语音识别、音频文件转写、建立模型进行语音训练就需要靠大家了。

推荐阅读

(点击标题可跳转阅读)

ASP.NET Core使用 MediatR

.NET中高性能、高可用性Socket通讯库

ASP.NET Core 跨平台图形验证码实现

看完本文有收获？请转发分享给更多人

关注「DotNet」加星标，提升.Net技能 

d7394c5771cdd80e1ece208cf40fcbd7.png

好文章，我在看❤️