(给DotNet加星标，提升.Net技能)

转自：熊泽-学习中的苦与乐 cnblogs.com/xiongze520/p/11301882.html

我们已经讲了人脸识别(入门+进阶)、图片识别(入门)。

《C# 10分钟完成百度人脸识别——入门篇》

《C# 30分钟完成百度人脸识别——进阶篇》

《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。

一、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。

二、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

如果需要在 Unity 平台使用，可引用工程源码自行编译。

安装

1、在官方网站(http://ai.baidu.com/sdk)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。

三、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
     
                    {
                    {
    "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() //            {
    //                {"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。

• 16k 采样率pcm文件样例下载

• 16k 采样率wav文件样例下载

• 16k 采样率amr文件样例下载

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】http://ai.baidu.com/docs#/ASR-Tool-convert/top

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 // {
    //    {"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
     
      ()                         {
                                {
    "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。

四、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。

推荐阅读

(点击标题可跳转阅读)

ASP.NET Core使用 MediatR

.NET中高性能、高可用性Socket通讯库

ASP.NET Core 跨平台图形验证码实现

看完本文有收获？请转发分享给更多人

关注「DotNet」加星标，提升.Net技能 

好文章，我在看❤️