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：
- 註冊百度賬號api，建立自己的應用；
- 建立vs控制檯應用程式，引入動態連結庫；
- 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
- 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！