目標需求

?

使用錄音形式，模擬微信語音聊天。按住錄音，松開發送語音，并完成語音識別。

ps：百度的語言識別有60秒長度限制，需要自己做好控制。

?

實現方案

采用C# winform 程序實現桌面版，采用Accord 實現語音錄制停止等基礎語音操作，操作停止按鈕，

自動調用百度語言識別接口將識別內容顯示在文本框中。

備注，語音識別需要配套陣列麥克風，（請先注冊百度開發者）百度語音識別接口請參考：http://ai.baidu.com/docs#/ASR-Online-Csharp-SDK/top

?

實現效果展示

?

??

實現過程

?

1、下載Accord 完成語音操作引用

?

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

官網中有示例demo，筆者的就是在示例demo上做改造的。

?

?

建立自己的項目，引用包中的dll

?

?界面代碼：

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;

? ? ? ? /// <summary>

? ? ? ? /// 備注，語音識別需要配套陣列麥克風

? ? ? ? /// </summary>

? ? ? ? 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) {

? ? ? ? ??

? ? ? ? }

? ? ? ? /// <summary>

? ? ? ? /// ? 從聲卡開始錄制音頻

? ? ? ? /// </summary>

? ? ? ? ///?

? ? ? ? private void btnRecord_Click(object sender, EventArgs e)

? ? ? ? {

? ? ? ? ? ? // Create capture device

? ? ? ? ? ? source = new AudioCaptureDevice()//這里是核心

? ? ? ? ? ? {

? ? ? ? ? ? ? ? // Listen on 22050 Hz

? ? ? ? ? ? ? ? DesiredFrameSize = 4096,

? ? ? ? ? ? ? ? SampleRate = 16000,//采樣率?

? ? ? ? ? ? ? ? //SampleRate = 22050,//采樣率

? ? ? ? ? ? ? ? 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();

? ? ? ? }

? ? ? ? /// <summary>

? ? ? ? /// ? 播放錄制的音頻流。

? ? ? ? /// </summary>

? ? ? ? ///?

? ? ? ? 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();

? ? ? ? }

? ? ? ? /// <summary>

? ? ? ? /// 停止錄制或播放流。

? ? ? ? /// </summary>

? ? ? ? ///?

? ? ? ? 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 = "語音識別結果："+result;

? ? ? ? }

? ? ? ? /// <summary>

? ? ? ? /// 當音頻有錯誤時，將調用這個回調函數。?

? ? ? ? ///?

? ? ? ? /// ??

? ? ? ? /// </summary>

? ? ? ? ///?

? ? ? ? private void source_AudioSourceError(object sender, AudioSourceErrorEventArgs e)

? ? ? ? {

? ? ? ? ? ? throw new Exception(e.Description);

? ? ? ? }

? ? ? ? /// <summary>

? ? ? ? /// ?

? ? ? ? /// ?每當有新的輸入音頻幀時，該方法將被調用。

? ? ? ? /// ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? /// </summary>

? ? ? ? ///?

? ? ? ? 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);

? ? ? ? }

? ? }

}

?百度語音識別接口

百度已經提供sdk，對于支持語音格式如下。

支持的語音格式

原始 PCM 的錄音參數必須符合 8k/16k 采樣率、16bit 位深、單聲道，支持的格式有：pcm（不壓縮）、wav（不壓縮，pcm編碼）、amr（壓縮格式）。

?

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();}

?

?結果評測：

對于普通的語言識別效果不好，需要陣列麥克風才可以。

原文地址:http://www.cnblogs.com/linbin524/p/8086123.html

---

.NET社區新聞，深度好文，歡迎訪問公眾號文章匯總 http://www.csharpkit.com

總結

以上是生活随笔為你收集整理的基于Accord.Audio和百度语言识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。