C# 10分鐘完成百度語音技術(shù)（語音識別與合成）——入門篇

我們已經(jīng)講了人臉識別（入門+進(jìn)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 <https://www.cnblogs.com/xiongze520/p/10387355.html>

C# 30分鐘完成百度人臉識別——進(jìn)階篇（文末附源碼）
<https://www.cnblogs.com/xiongze520/p/10688545.html>

C# 10分鐘完成百度圖片提取文字（文字識別）——入門篇
<https://www.cnblogs.com/xiongze520/p/11283484.html>

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(jìn)一步了解請繼續(xù)研究。

我們現(xiàn)在就基于百度Ai開放平臺進(jìn)行語音技術(shù)的相關(guān)操作，demo使用的是C#控制臺應(yīng)用程序。

前面的套路還是一樣的：

?

* 注冊百度賬號api，創(chuàng)建自己的應(yīng)用；
* 創(chuàng)建vs控制臺應(yīng)用程序，引入動態(tài)鏈接庫；
* 編寫代碼調(diào)試，效果圖查看；
*
* 語音識別
* 語音合成
* 實(shí)時(shí)語音識別
* 音頻文件轉(zhuǎn)寫
* 語音模型訓(xùn)練
* 總結(jié)。
?

1、創(chuàng)建百度AI語音技術(shù)應(yīng)用

??在百度AI開放平臺中，登錄自己的百度賬號，點(diǎn)擊“語音識別”服務(wù)，選擇“創(chuàng)建應(yīng)用”
，填好應(yīng)用名稱，選擇應(yīng)用類型，填好應(yīng)用描述，這樣就創(chuàng)建好了“語音識別”服務(wù)。

具體不廢話，不知道的小伙伴可以移步看這里：C# 10分鐘完成百度人臉識別——入門篇
<https://www.cnblogs.com/xiongze520/p/10387355.html>。

創(chuàng)建完成后會生成APPID、APP Key、Secret Key，這些是關(guān)鍵內(nèi)容，后面要用。

?

2、創(chuàng)建VS控制臺應(yīng)用程序，引入動態(tài)鏈接庫

首先我們創(chuàng)建一個(gè)VS控制臺應(yīng)用程序，這里就不詳細(xì)說明。

然后引入百度Baidu.AI動態(tài)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(xiàn)已開源! https://github.com/Baidu-AIP/dotnet-sdk

** 支持平臺：.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(jié)構(gòu)
Baidu.Aip ├── net35 │?? ├── AipSdk.dll // 百度AI服務(wù) windows 動態(tài)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 平臺使用，可引用工程源碼自行編譯。

安裝

1.在官方網(wǎng)站 <http://ai.baidu.com/sdk>下載C# SDK壓縮工具包。

2.解壓后，將?AipSdk.dll?和?Newtonsoft.Json.dll?中添加為引用。

?

3、編寫代碼調(diào)試，效果圖查看

　　創(chuàng)建一個(gè)空文件夾，命名為Image，存一個(gè)音頻文件，做調(diào)試，后面語音合成的文件也在這里。

在Program.cs中編寫代碼，代碼編寫如下，可以直接拷貝進(jìn)行調(diào)試。

我們這里只講述語音識別和語音合成，其他的內(nèi)容可以在官網(wǎng)進(jìn)行編寫：
https://ai.baidu.com/docs#/ASR-Online-Csharp-SDK/top
<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(shè)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(shí)時(shí)間 var data = File.ReadAllBytes("E:\\Work
Demo\\語音技術(shù)\\Voice\\Voice\\Image\\16k.wav"); // 可選參數(shù) 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(shè)置更大的超時(shí)時(shí)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(shí)時(shí)間 //// 可選參數(shù) //var option = new
Dictionary<string, object>()// { // {"spd", 5}, // 語速 // {"vol", 7}, // 音量 //
{"per", 4}// 發(fā)音人，4：情感度丫丫童聲 // }; //var result =
_ttsClient.Synthesis("今天天氣不錯(cuò)，適合嗮太陽", option);//if (result.ErrorCode == 0) // 或
result.Success//{ // File.WriteAllBytes("E:\\Work
Demo\\語音技術(shù)\\Voice\\Voice\\Image\\aaa.mp3", result.Data);//} } } }
我們查看一下識別出來的語音是什么?

?



?

?這個(gè)就是我準(zhǔn)備的語音，識別成功。

格式支持：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（壓縮格式）。推薦pcm 采樣率 ：16000 固定值。 編碼：16bit 位深的單聲道。

百度服務(wù)端會將非pcm格式，轉(zhuǎn)為pcm格式，因此使用wav、amr會有額外的轉(zhuǎn)換耗時(shí)。

* 16k 采樣率pcm文件樣例下載
<http://speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k.pcm>
* 16k 采樣率wav文件樣例下載
<http://speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k.wav>
* 16k 采樣率amr文件樣例下載
<http://speech-doc.gz.bcebos.com/rest-api-asr/public_audio/16k-23850.amr>
音頻文件格式轉(zhuǎn)換請參見文檔【語音識別小工具\(yùn)音頻文件轉(zhuǎn)碼】 <http://ai.baidu.com/docs#/ASR-Tool-convert/top>

?更多內(nèi)容詳見官網(wǎng)：https://ai.baidu.com/docs#/ASR-API/top
<https://ai.baidu.com/docs#/ASR-API/top>

?

?

?語音合成：


　　合成文本長度必須小于1024字節(jié)，如果本文長度較長，可以采用多次請求的方式。文本長度不可超過限制

詳見官網(wǎng)：https://ai.baidu.com/docs#/TTS-Online-Csharp-SDK/top
<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(shè)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(shí)時(shí)間//var data = File.ReadAllBytes("E:\\Work
Demo\\語音技術(shù)\\Voice\\Voice\\Image\\16k.wav"); //// 可選參數(shù) //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(shè)置更大的超時(shí)時(shí)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(shí)時(shí)間 // 可選參數(shù) var option = new Dictionary<string,
object>() { {"spd", 5}, // 語速 {"vol", 7}, // 音量 {"per", 4} // 發(fā)音人，4：情感度丫丫童聲 };
var result = _ttsClient.Synthesis("聽說關(guān)注博主不迷路", option); if (result.ErrorCode ==
0) // 或 result.Success { File.WriteAllBytes("E:\\Work
Demo\\語音技術(shù)\\Voice\\Voice\\Image\\aaa.mp3", result.Data); } } } }
運(yùn)行后查看效果，如下：



?

這樣就合成成功了。

?

4、總結(jié)

?　簡單的入門就到這里，后面的實(shí)時(shí)語音識別、音頻文件轉(zhuǎn)寫、建立模型進(jìn)行語音訓(xùn)練就需要靠大家了。

轉(zhuǎn)載請注明出處，謝謝！

原文地址：https://www.cnblogs.com/xiongze520/p/11301882.html
<https://www.cnblogs.com/xiongze520/p/11301882.html>

拜拜，下次再見咯！

?

• ? 上一篇：我是如何學(xué)習(xí)寫一個(gè)操作系統(tǒng)（一）：開篇
• ? 下一篇：C#簡單爬取數(shù)據(jù)（.NET使用HTML解析器ESoup和正則兩種方式匹配數(shù)據(jù)）