我们已经讲了人脸识别（入门+进阶）、图片识别（入门）。下面是链接：

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。

前面的套路还是一样的：

注册百度账号api，创建自己的应用；
创建vs控制台应用程序，引入动态链接库；
编写代码调试，效果图查看；

- 语音识别
- 语音合成
- 实时语音识别
- 音频文件转写
- 语音模型训练

总结。

1、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。

2、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

Baidu.Aip

    ├── net35

    │   ├── AipSdk.dll             // 百度AI服务 windows 动态库

    │   ├── AipSdk.xml             // 注释文件

    │   └── Newtonsoft.Json.dll    // 第三方依赖

    ├── net40

    ├── net45

    └── netstandard2.0

        ├── AipSdk.deps.json

        └── AipSdk.dll

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。

3、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 = "";

            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 = ;  // 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<string, object>

             {

                {"dev_pid", }  //语音模型1536代表普通话，其他请查看官方文档

             };

            client.Timeout = ; // 若语音较长，建议设置更大的超时时间. ms

            var result = client.Recognize(data, "wav", , 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<string, object>()

            //            {

            //                {"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。

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】

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 = "";

            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<string, object>

            // {

            //    {"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 = ;  // 修改超时时间

            // 可选参数

            var option = new Dictionary<string, object>()

                        {

                            {"spd", }, // 语速

                            {"vol", }, // 音量

                            {"per", }  // 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 == )  // 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。

4、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。

转载请注明出处，谢谢！

原文地址：https://www.cnblogs.com/xiongze520/p/11301882.html

拜拜，下次再见咯！