C# 10分鐘完成百度語音技術（語音識別與合成）——入門篇
- 2019 年 10 月 3 日
- 筆記
我們已經講了人臉識別（入門+進階）、圖片識別（入門）。下面是鏈接：
C# 10分鐘完成百度人臉識別——入門篇
C# 30分鐘完成百度人臉識別——進階篇（文末附源碼）
C# 10分鐘完成百度圖片提取文字（文字識別）——入門篇
今天我們來盤一盤語音識別與合成。
PS：僅供了解參考，如需進一步了解請繼續研究。
我們現在就基於百度Ai開放平台進行語音技術的相關操作，demo使用的是C#控制台應用程式。
前面的套路還是一樣的：
- 註冊百度帳號api，創建自己的應用；
- 創建vs控制台應用程式，引入動態鏈接庫；
- 編寫程式碼調試，效果圖查看；
-
- 語音識別
- 語音合成
- 實時語音識別
- 音頻文件轉寫
- 語音模型訓練
- 總結。
1、創建百度AI語音技術應用
在百度AI開放平台中，登錄自己的百度帳號，點擊“語音識別”服務，選擇“創建應用”，填好應用名稱，選擇應用類型，填好應用描述，這樣就創建好了“語音識別”服務。
具體不廢話，不知道的小夥伴可以移步看這裡：C# 10分鐘完成百度人臉識別——入門篇。
創建完成後會生成APPID、APP Key、Secret Key，這些是關鍵內容，後面要用。
2、創建VS控制台應用程式，引入動態鏈接庫
首先我們創建一個VS控制台應用程式，這裡就不詳細說明。
然後引入百度Baidu.AI動態鏈接庫，步驟如下，小編使用2017，所以直接在NuGet中搜索Baidu.AI安裝即可。
安裝語音識別 C# SDK
C# SDK 現已開源! https://github.com/Baidu-AIP/dotnet-sdk
** 支援平台：.Net Framework 3.5 4.0 4.5， .Net Core 2.0 **
方法一：使用Nuget管理依賴 （推薦）
在NuGet中搜索 Baidu.AI，安裝最新版即可。
packet地址 https://www.nuget.org/packages/Baidu.AI/
方法二：下載安裝
語音識別 C# SDK目錄結構
Baidu.Aip ├── net35 │ ├── AipSdk.dll // 百度AI服務 windows 動態庫 │ ├── AipSdk.xml // 注釋文件 │ └── Newtonsoft.Json.dll // 第三方依賴 ├── net40 ├── net45 └── netstandard2.0 ├── AipSdk.deps.json └── AipSdk.dll 如果需要在 Unity 平台使用，可引用工程源碼自行編譯。
安裝
1.在官方網站下載C# SDK壓縮工具包。
2.解壓後，將 AipSdk.dll 和 Newtonsoft.Json.dll 中添加為引用。
3、編寫程式碼調試，效果圖查看
創建一個空文件夾，命名為Image，存一個音頻文件，做調試，後面語音合成的文件也在這裡。
在Program.cs中編寫程式碼，程式碼編寫如下，可以直接拷貝進行調試。
我們這裡只講述語音識別和語音合成，其他的內容可以在官網進行編寫：https://ai.baidu.com/docs#/ASR-Online-Csharp-SDK/top
語音識別：
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) { // 設置APPID/AK/SK var APP_ID = "16938141"; var API_KEY = "8y2pB5HLrLD5Zu7aaQV3ce0g"; var SECRET_KEY = "5tDp3opvpIdEnlXBTOWn9W0O7CdhRNYu"; //語音識別 var client = new Baidu.Aip.Speech.Asr(APP_ID, API_KEY, SECRET_KEY); client.Timeout = 60000; // 修改超時時間 var data = File.ReadAllBytes("E:\Work Demo\語音技術\Voice\Voice\Image\16k.wav"); // 可選參數 var options = new Dictionary<string, object> { {"dev_pid", 1536} //語音模型1536代表普通話，其他請查看官方文檔 }; client.Timeout = 120000; // 若語音較長，建議設置更大的超時時間. ms var result = client.Recognize(data, "wav", 16000, options); Console.Write(result); ////語音合成 //var _ttsClient = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY); //_ttsClient.Timeout = 60000; // 修改超時時間 //// 可選參數 //var option = new Dictionary<string, object>() // { // {"spd", 5}, // 語速 // {"vol", 7}, // 音量 // {"per", 4} // 發音人，4：情感度丫丫童聲 // }; //var result = _ttsClient.Synthesis("今天天氣不錯，適合嗮太陽", option); //if (result.ErrorCode == 0) // 或 result.Success //{ // File.WriteAllBytes("E:\Work Demo\語音技術\Voice\Voice\Image\aaa.mp3", result.Data); //} } } }
我們查看一下識別出來的語音是什麼
這個就是我準備的語音，識別成功。
格式支援：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（壓縮格式）。推薦pcm 取樣率 ：16000 固定值。 編碼：16bit 位深的單聲道。
百度服務端會將非pcm格式，轉為pcm格式，因此使用wav、amr會有額外的轉換耗時。
音頻文件格式轉換請參見文檔【語音識別小工具音頻文件轉碼】
更多內容詳見官網：https://ai.baidu.com/docs#/ASR-API/top
語音合成：
合成文本長度必須小於1024位元組，如果本文長度較長，可以採用多次請求的方式。文本長度不可超過限制
詳見官網：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) { // 設置APPID/AK/SK var APP_ID = "16938141"; var API_KEY = "8y2pB5HLrLD5Zu7aaQV3ce0g"; var SECRET_KEY = "5tDp3opvpIdEnlXBTOWn9W0O7CdhRNYu"; ////語音識別 //var client = new Baidu.Aip.Speech.Asr(APP_ID, API_KEY, SECRET_KEY); //client.Timeout = 60000; // 修改超時時間 //var data = File.ReadAllBytes("E:\Work Demo\語音技術\Voice\Voice\Image\16k.wav"); //// 可選參數 //var options = new Dictionary<string, object> // { // {"dev_pid", 1536} //語音模型1536代表普通話，其他請查看官方文檔 // }; //client.Timeout = 120000; // 若語音較長，建議設置更大的超時時間. ms //var result = client.Recognize(data, "wav", 16000, options); //Console.Write(result); //語音合成 var _ttsClient = new Baidu.Aip.Speech.Tts(API_KEY, SECRET_KEY); _ttsClient.Timeout = 60000; // 修改超時時間 // 可選參數 var option = new Dictionary<string, object>() { {"spd", 5}, // 語速 {"vol", 7}, // 音量 {"per", 4} // 發音人，4：情感度丫丫童聲 }; var result = _ttsClient.Synthesis("聽說關注部落客不迷路", option); if (result.ErrorCode == 0) // 或 result.Success { File.WriteAllBytes("E:\Work Demo\語音技術\Voice\Voice\Image\aaa.mp3", result.Data); } } } }
運行後查看效果，如下：
這樣就合成成功了。
4、總結
簡單的入門就到這裡，後面的實時語音識別、音頻文件轉寫、建立模型進行語音訓練就需要靠大家了。
轉載請註明出處，謝謝！
原文地址：https://www.cnblogs.com/xiongze520/p/11301882.html
拜拜，下次再見咯！
