C# 10分钟完成百度语音技术（语音识别与合成）——入门篇
- 2019 年 10 月 3 日
- 筆記
我们已经讲了人脸识别（入门+进阶）、图片识别（入门）。下面是链接：
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（文末附源码）
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。
前面的套路还是一样的：
- 注册百度账号api，创建自己的应用；
- 创建vs控制台应用程序，引入动态链接库；
- 编写代码调试，效果图查看；
-
- 语音识别
- 语音合成
- 实时语音识别
- 音频文件转写
- 语音模型训练
- 总结。
1、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。
2、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
Baidu.Aip ├── net35 │ ├── AipSdk.dll // 百度AI服务 windows 动态库 │ ├── AipSdk.xml // 注释文件 │ └── Newtonsoft.Json.dll // 第三方依赖 ├── net40 ├── net45 └── netstandard2.0 ├── AipSdk.deps.json └── AipSdk.dll 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。
3、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<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("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
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。
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】
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<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<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：
这样就合成成功了。
4、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。
转载请注明出处，谢谢！
原文地址：https://www.cnblogs.com/xiongze520/p/11301882.html
拜拜，下次再见咯！
