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：

---

 

1. 注册百度账号api，创建自己的应用；
2. 创建vs控制台应用程序，引入动态链接库；
3. 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

1. 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。

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