C# 基于Accord.Audio和百度语言识别

AI系列网址:AI 系列 总目录

目标需求

使用录音形式,模拟微信语音聊天。按住录音,松开发送语音,并完成语音识别。

ps:百度的语言识别有60秒长度限制,需要自己做好控制。

实现方案

采用C# winform 程序实现桌面版,采用Accord 实现语音录制停止等基础语音操作,操作停止按钮,

自动调用百度语言识别接口将识别内容显示在文本框中。

备注,语音识别需要配套阵列麦克风,(请先注册百度开发者)百度语音识别接口请参考:http://ai.baidu.com/docs#/ASR-Online-Csharp-SDK/top

实现效果展示

实现过程

1、下载Accord 完成语音操作引用

accord 官方 地址:http://accord-framework.net/intro.html

官网中有示例demo,笔者的就是在示例demo上做改造的。

建立自己的项目,引用包中的dll

界面代码:

using System;

using System.Drawing;

using System.IO;

using System.Windows.Forms;

using Accord.Audio;

using Accord.Audio.Formats;

using Accord.DirectSound;

using Accord.Audio.Filters;

using Baidu.Aip.API;

namespace SampleApp

{

public partial class MainForm : Form

{

private MemoryStream stream;

private IAudioSource source;

private IAudioOutput output;

private WaveEncoder encoder;

private WaveDecoder decoder;

private float[] current;

private int frames;

private int samples;

private TimeSpan duration;

///

/// 备注,语音识别需要配套阵列麦克风

///

public MainForm()

{

InitializeComponent();

// Configure the wavechart

chart.SimpleMode = true;

chart.AddWaveform("wave", Color.Green, 1, false);

updateButtons();

// Application.Idle += ProcessFrame;

}

void ProcessFrame(object sender, EventArgs e) {

}

///

/// 从声卡开始录制音频

///

///

private void btnRecord_Click(object sender, EventArgs e)

{

// Create capture device

source = new AudioCaptureDevice()//这里是核心

{

// Listen on 22050 Hz

DesiredFrameSize = 4096,

SampleRate = 16000,//采样率

//SampleRate = 22050,//采样率

Channels=1,

// We will be reading 16-bit PCM

Format = SampleFormat.Format16Bit

};

// Wire up some events

source.NewFrame += source_NewFrame;

source.AudioSourceError += source_AudioSourceError;

// Create buffer for wavechart control

current = new float[source.DesiredFrameSize];

// Create stream to store file

stream = new MemoryStream();

encoder = new WaveEncoder(stream);

// Start

source.Start();

updateButtons();

}

///

/// 播放录制的音频流。

///

///

private void btnPlay_Click(object sender, EventArgs e)

{

// First, we rewind the stream

stream.Seek(0, SeekOrigin.Begin);

// Then we create a decoder for it

decoder = new WaveDecoder(stream);

// Configure the track bar so the cursor

// can show the proper current position

if (trackBar1.Value < decoder.Frames)

decoder.Seek(trackBar1.Value);

trackBar1.Maximum = decoder.Samples;

// Here we can create the output audio device that will be playing the recording

output = new AudioOutputDevice(this.Handle, decoder.SampleRate, decoder.Channels);

// Wire up some events

output.FramePlayingStarted += output_FramePlayingStarted;

output.NewFrameRequested += output_NewFrameRequested;

output.Stopped += output_PlayingFinished;

// Start playing!

output.Play();

updateButtons();

}

///

/// 停止录制或播放流。

///

///

private void btnStop_Click(object sender, EventArgs e)

{

// Stops both cases

if (source != null)

{

// If we were recording

source.SignalToStop();

source.WaitForStop();

}

if (output != null)

{

// If we were playing

output.SignalToStop();

output.WaitForStop();

}

updateButtons();

// Also zero out the buffers and screen

Array.Clear(current, 0, current.Length);

updateWaveform(current, current.Length);

SpeechAPI speechApi = new SpeechAPI();

string result = speechApi.AsrData(stream,"wav");

tb_result.Text = "语音识别结果:"+result;

}

///

/// 当音频有错误时,将调用这个回调函数。

///

///

///

///

private void source_AudioSourceError(object sender, AudioSourceErrorEventArgs e)

{

throw new Exception(e.Description);

}

///

///

/// 每当有新的输入音频帧时,该方法将被调用。

///

///

///

private void source_NewFrame(object sender, NewFrameEventArgs eventArgs)

{

eventArgs.Signal.CopyTo(current);

updateWaveform(current, eventArgs.Signal.Length);

encoder.Encode(eventArgs.Signal);

duration += eventArgs.Signal.Duration;

samples += eventArgs.Signal.Samples;

frames += eventArgs.Signal.Length;

}

private void output_FramePlayingStarted(object sender, PlayFrameEventArgs e)

{

updateTrackbar(e.FrameIndex);

if (e.FrameIndex + e.Count < decoder.Frames)

{

int previous = decoder.Position;

decoder.Seek(e.FrameIndex);

Signal s = decoder.Decode(e.Count);

decoder.Seek(previous);

updateWaveform(s.ToFloat(), s.Length);

}

}

private void output_PlayingFinished(object sender, EventArgs e)

{

updateButtons();

Array.Clear(current, 0, current.Length);

updateWaveform(current, current.Length);

}

///

private void output_NewFrameRequested(object sender, NewFrameRequestedEventArgs e)

{

e.FrameIndex = decoder.Position;

Signal signal = decoder.Decode(e.Frames);

if (signal == null)

{

e.Stop = true;

return;

}

e.Frames = signal.Length;

signal.CopyTo(e.Buffer);

}

private void updateWaveform(float[] samples, int length)

{

if (InvokeRequired)

{

BeginInvoke(new Action(() =>

{

chart.UpdateWaveform("wave", samples, length);

}));

}

else

{

chart.UpdateWaveform("wave", current, length);

}

}

///

private void updateTrackbar(int value)

{

if (InvokeRequired)

{

BeginInvoke(new Action(() =>

{

trackBar1.Value = Math.Max(trackBar1.Minimum, Math.Min(trackBar1.Maximum, value));

}));

}

else

{

trackBar1.Value = Math.Max(trackBar1.Minimum, Math.Min(trackBar1.Maximum, value));

}

}

private void updateButtons()

{

if (InvokeRequired)

{

BeginInvoke(new Action(updateButtons));

return;

}

if (source != null && source.IsRunning)

{

btnBwd.Enabled = false;

btnFwd.Enabled = false;

btnPlay.Enabled = false;

btnStop.Enabled = true;

btnRecord.Enabled = false;

trackBar1.Enabled = false;

}

else if (output != null && output.IsRunning)

{

btnBwd.Enabled = false;

btnFwd.Enabled = false;

btnPlay.Enabled = false;

btnStop.Enabled = true;

btnRecord.Enabled = false;

trackBar1.Enabled = true;

}

else

{

btnBwd.Enabled = false;

btnFwd.Enabled = false;

btnPlay.Enabled = stream != null;

btnStop.Enabled = false;

btnRecord.Enabled = true;

trackBar1.Enabled = decoder != null;

trackBar1.Value = 0;

}

}

private void MainFormFormClosed(object sender, FormClosedEventArgs e)

{

if (source != null) source.SignalToStop();

if (output != null) output.SignalToStop();

}

private void saveFileDialog1_FileOk(object sender, System.ComponentModel.CancelEventArgs e)

{

Stream fileStream = saveFileDialog1.OpenFile();

stream.WriteTo(fileStream);

fileStream.Close();

}

private void saveToolStripMenuItem_Click(object sender, EventArgs e)

{

saveFileDialog1.ShowDialog(this);

}

private void updateTimer_Tick(object sender, EventArgs e)

{

lbLength.Text = String.Format("Length: {0:00.00} sec.", duration.Seconds);

}

private void aboutToolStripMenuItem_Click(object sender, EventArgs e)

{

new AboutBox().ShowDialog(this);

}

private void closeToolStripMenuItem_Click(object sender, EventArgs e)

{

Close();

}

private void btnIncreaseVolume_Click(object sender, EventArgs e)

{

adjustVolume(1.25f);

}

private void btnDecreaseVolume_Click(object sender, EventArgs e)

{

adjustVolume(0.75f);

}

private void adjustVolume(float value)

{

stream.Seek(0, SeekOrigin.Begin);

decoder = new WaveDecoder(stream);

var signal = decoder.Decode();

var volume = new VolumeFilter(value);

volume.ApplyInPlace(signal);

stream.Seek(0, SeekOrigin.Begin);

encoder = new WaveEncoder(stream);

encoder.Encode(signal);

}

}

}

百度语音识别接口:

说明:百度已经提供sdk,对于支持语音格式需要说明,

支持的语音格式

原始 PCM 的录音参数必须符合 8k/16k 采样率、16bit 位深、单声道,支持的格式有:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)。

public string AsrData(string filePath, string format = "pcm", int rate = 16000)

{

var data =File.ReadAllBytes(filePath);

var result = _asrClient.Recognize(data, format, 16000);

return result.ToString();

}

结果评测:

对于普通的语言识别效果不好,需要阵列麦克风才可以。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,591评论 18 139
  • 今天听了一堂人力资源管理的课,讲课的老师即是资深的HR,同时也是一家公司的创始人。 老师讲课的过程中,时不...
    周小mu阅读 671评论 0 0
  • 这张照片是和老公生气,爬在 被子上无意间看到窗外,看了好久,从来没有仰视着去看那三盆小小的多肉,它们仿佛就生长在天...
    清空妙有阅读 455评论 2 3
  • “兔爷死啦!”“兔爷死啦!” 一大早起床,邻居之间就争相传送“兔爷死啦!”这条新闻,似乎他的死可成为今天“村务栏...
    郝逗阅读 811评论 3 5