1. 程式人生 > >C# 10分鐘完成百度語音技術(語音識別與合成)——入門篇

C# 10分鐘完成百度語音技術(語音識別與合成)——入門篇

我們已經講了人臉識別(入門+進階)、圖片識別(入門)。下面是連結:

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(文末附原始碼)

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:僅供瞭解參考,如需進一步瞭解請繼續研究。

我們現在就基於百度Ai開放平臺進行語音技術的相關操作,demo使用的是C#控制檯應用程式。

前面的套路還是一樣的:


 

  1. 註冊百度賬號api,建立自己的應用;
  2. 建立vs控制檯應用程式,引入動態連結庫;
  3. 編寫程式碼除錯,效果圖檢視;
    • 語音識別
    • 語音合成
    • 實時語音識別
    • 音訊檔案轉寫
    • 語音模型訓練
  1. 總結。

 

1、建立百度AI語音技術應用

  在百度AI開放平臺中,登入自己的百度賬號,點選“語音識別”服務,選擇“建立應用”,填好應用名稱,選擇應用型別,填好應用描述,這樣就建立好了“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。

建立完成後會生成APPID、APP Key、Secret Key,這些是關鍵內容,後面要用。

 

2、建立VS控制檯應用程式,引入動態連結庫

首先我們建立一個VS控制檯應用程式,這裡就不詳細說明。

然後引入百度Baidu.AI動態連結庫,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目錄結構

Baidu.Aip
    ├── net35
    │   ├── AipSdk.dll             // 百度AI服務 windows 動態庫
    │   ├── AipSdk.xml             // 註釋檔案
    │   └── 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,可引用工程原始碼自行編譯。

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 中新增為引用。


 

3、編寫程式碼除錯,效果圖檢視

  建立一個空資料夾,命名為Image,存一個音訊檔案,做除錯,後面語音合成的檔案也在這裡。

在Program.cs中編寫程式碼,程式碼編寫如下,可以直接拷貝進行除錯。

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)
        {
            // 設定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");
            // 可選引數
            var options = new Dictionary<string, object>
             {
                {"dev_pid", 1536}  //語音模型1536代表普通話,其他請檢視官方文件
             };
            client.Timeout = 120000; // 若語音較長,建議設定更大的超時時間. 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
            //// 可選引數
            //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);
            //}
        }
    }
}

我們檢視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。

  • 16k 取樣率pcm檔案樣例下載
  • 16k 取樣率wav檔案樣例下載
  • 16k 取樣率amr檔案樣例下載

音訊檔案格式轉換請參見文件【語音識別小工具\音訊檔案轉碼】

 更多內容詳見官網:https://ai.baidu.com/docs#/ASR-API/top

 


 

 語音合成:

  合成文字長度必須小於1024位元組,如果本文長度較長,可以採用多次請求的方式。文字長度不可超過限制

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)
        {
            // 設定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");
            //// 可選引數
            //var options = new Dictionary<string, object>
            // {
            //    {"dev_pid", 1536}  //語音模型1536代表普通話,其他請檢視官方文件
            // };
            //client.Timeout = 120000; // 若語音較長,建議設定更大的超時時間. 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
            // 可選引數
            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("聽說關注博主不迷路", option);
            if (result.ErrorCode == 0)  // 或 result.Success
            {
                File.WriteAllBytes("E:\\Work Demo\\語音技術\\Voice\\Voice\\Image\\aaa.mp3", result.Data);
            }
        }
    }
}

執行後檢視效果,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、音訊檔案轉寫、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!