2017-09-15 11:17:22 qq_36047509 阅读数 1821
  • C++语音识别开篇

    本篇mark老师将教大家使用第三方库的调用来简单的实现语音识别。随着机器学习和人工智能的热闹,国内语音行业也可谓是百花齐放。 语音识别一个伟大的时代已在我们身边悄悄走来。

    5906 人正在学习 去看看 杨波

本软件利用了百度语音识别提供的接口,自行开发出的一个在线的语音识别软件。所以,制作之前需要去百度语音识别的网站去注册一个项目,免费的除非你的需求量特别大不然不需要付费。百度语音识别地址
然后就需要自己写代码去解决以下问题

  • 获取麦克风输入的语音
  • 发送到百度语音识别的接口
  • 得到返还的信息识别。

获取麦克风输入的语音

要获取麦克风的输入,需要调用一些WindowsAPI及其他的东西。下面就慢慢梳理 我会分散的梳理,整合需要自己理解着去整合
首先,我们获取麦克风,使用winmm.dll

//调用wavein的dll
[DllImport("winmm.dll")]
//获取有多少可用输入设备
public static extern int waveInGetNumDevs();
[DllImport("winmm.dll")]
//增加一个缓冲区
public static extern int waveInAddBuffer(IntPtr hwi, ref WaveHdr pwh, UInt32 cbwh);
[DllImport("winmm.dll")]
//关闭麦克风
public static extern int waveInClose(IntPtr hwi);
[DllImport("winmm.dll")]
//打开麦克风
public static extern int waveInOpen(out IntPtr phwi, UInt32 uDeviceID, ref WaveFormatEx lpFormat, WaveDelegate dwCallback, UInt32 dwInstance, UInt32 dwFlags);
[DllImport("winmm.dll")]
//标记为可用的缓冲区
 public static extern int waveInPrepareHeader(IntPtr hWaveIn, ref WaveHdr lpWaveInHdr, UInt32 uSize);
[DllImport("winmm.dll")]
//标记为不可用的缓冲区
public static extern int waveInUnprepareHeader(IntPtr hWaveIn, ref WaveHdr lpWaveInHdr, UInt32 uSize);
[DllImport("winmm.dll")]
//把缓冲区内容重置
 public static extern int waveInReset(IntPtr hwi);
[DllImport("winmm.dll")]
//开始录制
public static extern int waveInStart(IntPtr hwi);
[DllImport("winmm.dll")]
//停止录制
public static extern int waveInStop(IntPtr hwi);

然后 我们要把接收到的波形数据放入到一个缓冲区里面

[StructLayout(LayoutKind.Sequential)]
    //接受的波形数据放入的缓冲区
    public struct WaveHdr
    {

        public IntPtr lpData;//缓冲区
        public UInt32 dwBufferLength;//缓冲区长度
        public UInt32 dwBytesRecorded;//某一刻读取到了多少字节的数据
        public UInt32 dwUser;//自定义数据
        public UInt32 dwFlags;
        public UInt32 dwLoops;//是否循环
        public IntPtr lpNext;//链表的下一缓冲区
        public UInt32 reserved;//没实际意义
    }

    [StructLayout(LayoutKind.Sequential)]
    //波形格式
    public struct WaveFormatEx
    { 
        public UInt16 wFormatTag;//波形的类型
        public UInt16 nChannels;//通道数(1,单声道   2,立体音)
        public UInt32 nSamplesPerSec;//采样率
        public UInt32 nAvgBytesPerSec;//字节率
        public UInt16 nBlockAlign;
        public UInt16 wBitsPerSample;//每个样多少位
        public UInt16 cbSize;//长度
    }

但是在这里我们需要一个delegate的委托事件,其作用是在缓冲区满了或者waveinopen和waveinclose的时候被调用。

public delegate void WaveDelegate(IntPtr hwi, UInt32 uMsg, UInt32 dwInstance, UInt32 dwParam1, UInt32 dwParam2);

上传到百度识别的接口

在全部获取到麦克风语音接收的信息之后,我们需要把识别的波形上传到百度识别的接口上,在这里我们就用HTTP协议来将我们获得的东西上传上去

    /// <summary>
        /// 通过HTTP协议去上传base64数据
        /// </summary>
        /// <param name="URL">服务器的url</param>
        /// <param name="strPostdata">上传的东西</param>
        /// <param name="strEncoding">采用的编码格式</param>
        /// <returns></returns>
        public static string OpenReadWithHttps(string URL, string strPostdata, string strEncoding)
        {
            Encoding encoding = Encoding.Default;
            //默认的编码格式为default(GB2312)
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(URL);
            //向自定义的URL链接发送请求 request
            request.Method = "post";
            //请求的方式为post
            request.Accept = "*/*";
            //告诉服务器能接受*/*(任意)的参数类型
            request.ContentType = "application/x-www-form-urlencoded";
            //最常见的post提交数据的方式
            byte[] buffer = encoding.GetBytes(strPostdata);
            //用一个byte数组接收发送的数据字节
            request.ContentLength = buffer.Length;
            //告诉服务器自己上传的数组长度
            request.GetRequestStream().Write(buffer, 0, buffer.Length);
            //写入请求流从第一位开始写入buffer数组,写入长度为buffer.Length的数据流
            HttpWebResponse response = (HttpWebResponse)request.GetResponse();
            //从服务器得到的数据为请求获得的数据
            using (StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.GetEncoding(strEncoding)))
            {
                //返回从URL获得的内容信息
                return reader.ReadToEnd();
            }
        }

判断是否在录入音频

每个语音都是一个缓冲区,等缓冲区满了,要提供新缓冲区,等缓冲区满了,要提供新缓冲区

static void waveInHandler(IntPtr hwi, UInt32 uMsg, UInt32 dwInstance, UInt32 dwParam1, UInt32 dwParam2)
        {
            switch (uMsg)
            {
                case 0x3BE: break;
                case 0x3C0:
                    unsafe
                    {
                        var waveHdr = (WaveHdr*)dwParam1;
                     }
                    break;
                case 0x3BF: break;
            }
        }

Main函数总结

小的模块说的差不多了,下面就从Main函数说起,中间还会穿插一些小的模块
首先我们设置波纹的格式

static void Main(string[] args)
        {
            try
            {
                var inputFormat = new WaveFormatEx();//波形格式
                inputFormat.wFormatTag = 1;//波形类型
                inputFormat.nChannels = 1;
                inputFormat.nSamplesPerSec = 8000;
                inputFormat.nAvgBytesPerSec = 16000;
                inputFormat.nBlockAlign = 2;
                inputFormat.wBitsPerSample = 16;
                inputFormat.cbSize = 0;

由于我们是语音识别不是就识别一次,所以我们下面要进入一个死循环

这里我们在等候语音的输入

                for (;;)
                {

                    waveInOpen(out inputDevice, UInt32.MaxValue, ref inputFormat, new WaveDelegate(waveInHandler), 0, 0x00030000);

                    int bufferSize = 960000;
                    var buffer1 = new WaveHdr();
                    buffer1.lpData = Marshal.AllocHGlobal(bufferSize);
                    buffer1.dwBufferLength = (UInt32)bufferSize;
                    buffer1.dwLoops = 1;
                    waveInPrepareHeader(inputDevice, ref buffer1, (UInt32)Marshal.SizeOf(typeof(WaveHdr)));
                    waveInAddBuffer(inputDevice, ref buffer1, (UInt32)Marshal.SizeOf(typeof(WaveHdr)));

                    SpeechRecognitionEngine recognizer = null;
                    foreach (var installed in SpeechRecognitionEngine.InstalledRecognizers())
                    {
                        if (installed.Culture.Name.Equals("zh-CN", StringComparison.CurrentCultureIgnoreCase) && installed.Id.Equals("MS-2052-80-DESK"))
                        {
                            recognizer = new SpeechRecognitionEngine(installed);
                            break;
                        }
                    }
                    var grammars = new GrammarBuilder();
                    grammars.AppendDictation();
                    recognizer.LoadGrammar(new Grammar(grammars));
                    recognizer.SetInputToDefaultAudioDevice();

                    bool recognizeStarted = false;
                    int speechCount = 0;
                    int silenceCount = 0;

                    Console.WriteLine("正在等候语音输入...");
                    recognizer.RecognizeAsync(RecognizeMode.Multiple);
                    waveInStart(inputDevice);

当说话的时候开始分析语音

for (;;)
                    {
                                               if (!recognizeStarted)
                        {
                            if (recognizer.AudioState == AudioState.Speech)
                                speechCount++;
                            else speechCount = 0;
                        }
                        if (!recognizeStarted && speechCount >= 2)
                        {
                            recognizeStarted = true;
                            speechCount = 0;
                            Console.WriteLine("检测到语音输入,正在录制...");
                        }
                        if (recognizeStarted)
                        {
                            if (recognizer.AudioState == AudioState.Silence)
                                silenceCount++;
                            else silenceCount = 0;
                        }
                        //checkingMutex.Set();
                        if (recognizeStarted && silenceCount >= 220)
                        {
                            //checkingMutex.Reset();
                            silenceCount = 0;
                            unsafe
                            {
                                Console.WriteLine("正在分析语音数据...");

                                waveInReset(inputDevice);
                                waveInStop(inputDevice);
                                recognizer.RecognizeAsyncStop();

在上面的代码中有判断环境噪音的代码

if (recognizer.AudioState == AudioState.Silence)
                                silenceCount++;
                            else silenceCount = 0;

silenceCount 就是统计静音状态持续了多久,到了一定值,就可以发送语音到识别平台了

然后我们就要用到百度给予的接口和key了

                          var apiKey = "百key";
                                var secretKey = "百度给的密码key";
                                var token = OpenReadWithHttps("百度给你提供的API接口地址http" + $"?grant_type={ "client_credentials" }&client_id={ apiKey }&client_secret={ secretKey }", String.Empty, "utf-8");
                                var tokenPrefix = "\"access_token\":[\"";
                                int i;
                                token = token.Substring(i = token.IndexOf(tokenPrefix) + tokenPrefix.Length + 1, token.IndexOf("\"", i + tokenPrefix.Length) - i);

                                var postData = new StringBuilder();
                                postData.Append("{").Append($"\"format\":\"pcm\",\"rate\":8000,\"channel\":1,\"token\":\"{ token }\",\"cuid\":\"F96625D0-0FBC-491C-B617-9EC0B3A0D5A6\",\"lan\":\"en\",");
                                var base64Data = new byte[buffer1.dwBytesRecorded];
                                Marshal.Copy(buffer1.lpData, base64Data, 0, (int)buffer1.dwBytesRecorded);
                                var base64 = Convert.ToBase64String(base64Data);
                                postData.Append("\"speech\":\"").Append(base64).Append("\",").Append($"\"len\":{ buffer1.dwBytesRecorded }").Append("}");
                                try
                                {
                                    Console.Write("\n识别结果: ");
                                    Marshal.FreeHGlobal(buffer1.lpData);
                                    var result = OpenReadWithHttps("http://vop.baidu.com/server_api", postData.ToString(), "utf-8");
                                    var prefix = "\"result\":[\"";
                                    result = result.Substring(i = result.IndexOf(prefix) + prefix.Length, result.LastIndexOf("\"]") - i + 1);
                                    string[] restt = result.Split('\"');
                                    var restlt = restt[0];
                                    Console.WriteLine(restlt);
                                    //string resultfinally = Recognize(restlt);
                                    try
                                    {
                                        string resultfinally = Recognize(restlt);
                                        loading(resultfinally, "word.txt");
                                    }
                                    catch (Exception ex)
                                    {
                                        Console.WriteLine(ex.Message);
                                        //(new SpVoiceClass()).Speak("你说的有些不标准,请重新说");
                                    }
                                    Console.WriteLine();
                                }
                                catch (Exception ex)
                                {
                                    Console.WriteLine("无法识别所说的话语。\n");

                                }
                                //checkingMutex.Set();
                            }
                            //checking.Dispose(checkingFinished);
                            break;
                        }
                        Thread.Sleep(1);
                    }

                    //checkingFinished.WaitOne();
                }
            }
            catch (Exception exception)
            {
                Console.WriteLine(exception);
            }

        }
    }
}

在这里你会发现,我做了一个语音识别和回复,识别目录下的文档里的内容,然后对比,对比到以后将下一句转换为语音。需要用到两个自定义的函数
第一个是判断你说的话是否是在给定的文本里面

  public static void loading(string listen, string url)
        {
            var file = File.OpenRead(url);
            var sr = new StreamReader(file);
            List<string> include = new List<string>();
            while (!sr.EndOfStream)
            {
                var str = sr.ReadLine();
                foreach (var chara in str)
                    if (!char.IsLetter(chara))
                        str = str.Replace(chara, ' ');
                str = str.Trim();
                include.Add(str);
            }
            for (int i = 0; i < include.Count; i++)
            {
                if (String.Compare(listen.Trim(), include[i].Trim(), StringComparison.CurrentCultureIgnoreCase) == 0)
                {
                    SpeechSynthesizer speaker = new SpeechSynthesizer();
                    speaker.SetOutputToDefaultAudioDevice();
                    speaker.Speak(include[i + 1]);
                    return;
                }
            }
            SpeechSynthesizer speak = new SpeechSynthesizer();
            speak.SetOutputToDefaultAudioDevice();
            speak.Speak("口音有问题,请重说。");
            throw new Exception("口音有问题,请重说。");
        }

第二个是判断是否跟自定义的语句匹配并说出下一句

public static string Recognize(string getin)
        {
            var responses = new string[]
            {
               "楼主帅吗",
               "当然了",
               "聪明吗",
               "必须的",
             //你想写和你想输出的语句
            };
            getin = getin.ToLower();
            foreach (var chara in getin)
                if (!char.IsLetter(chara))
                    getin = getin.Replace(chara, ' ');
            getin = getin.Trim();
            int matches;
            var k = getin.Split();
            for(var i = 0; i < responses.Length; i++)
            {
                responses[i] = responses[i].ToLower();
                foreach (var chara in responses[i])
                    if (!char.IsLetter(chara))
                        responses[i] = responses[i].Replace(chara, ' ');
                responses[i] = responses[i].Trim();
            }
            foreach (var repWord in responses)
            {
                matches = 0;
                var j = repWord.Split();
                foreach (var myword in k)
                {
                    if (j.Contains(myword))
                    {
                        matches++;
                        if (((float)matches / j.Length) >= 0.5F)
                            return repWord;
                    }
                }
            }
            return "你说错了,请重说";
        }

这里还是有一个小问题,就是你说的语句返识别返还回来会有标点符号,这里我们就把符号全部给抛弃了
我这边做的是英语的语音识别,在发送的json串的时候最后的len用的是en,在语种选择的时候是不区分大小写的,但是好像只支持三种默认中文(zh)。 中文=zh、粤语=ct、英文=en。
总的来说就这些东西,如果有什么疑问和建议或者纠正,可以直接告诉我,期待大神们的指点。

此外。在此特别感谢给我这个程序最大的技术支持的人。我们群里的大佬RURI(也叫Azure)。

2004-11-12 12:41:00 zcatlinux 阅读数 2634
  • C++语音识别开篇

    本篇mark老师将教大家使用第三方库的调用来简单的实现语音识别。随着机器学习和人工智能的热闹,国内语音行业也可谓是百花齐放。 语音识别一个伟大的时代已在我们身边悄悄走来。

    5906 人正在学习 去看看 杨波
蓝色巨人IBM公司正在向开源组织Apache和Eclipse基金会提供其语音软件的源代码程序。但遗憾的是,用户必须购买一套IBM的语音识别系统才能享受这一好处。

  IBM公司将向开源组织公布各种运行时间和工具集代码,以便开发人员更加方便地给网页程序添加语音识别功能。该公司在本月初表示,将向提供许多源代码软件项目的组织——Apache 软件基金会(Apache Software Foundation)提供语音软件的源代码程序,此举是让网页开发人员可以更加容易地创建语音网页程序。

  公司也正计划向开放源软件开发平台Eclipse基金会提供语音标记编辑器,以便有利于开发人员编写标准语音程序。

  Eclipse基金会执行董事Mike Milinkovich周五向本社透露,标记编辑器将作为Eclipse插件集成到其它工具中。他说,增加语音程序的数目将不仅可以方便残疾人使用计算机,同时也将改变人类与计算机系统的互动方式。

  Milinkovich说道“声音是人与计算机互动的更好方式。易使用性是它的重要特征,由衷希望能够普及语音程序。”

  Linux桌面开发人员Olaf Schmidt透露,IBM公布的源代码有利于开发Web应用程序,但对于Linux桌面应用程序作用不大。Schmidt还指出,依赖于语音识别应用程序的残疾人将必须购买并安装IBM的ViaVoice或其他语音识别软件。否则,IBM所提供的源代码将失去作用。

  自由标准组织易用性工作小组的负责人JaninaSajka在一次访谈中指出,IBM语音软件的昂贵价格将使用户对该项应用程序望而却步,尤其是对那些没有工作的残疾人更是如此。

  Schmidt称,目前针对于Linux平台而开发的易用性软件的确很多,但还没有开发对Linux切实有用的语音-文本应用程序,这是一个大问题。因此,Linux用户要想使用语音识别应用程序,必须拥有IBM的ViaVoice软件及其授权许可。

  语音识别软件对不能使用双手来进行操作的用户非常有用,比如一些多发性硬化患者。Schmidt说到,“一些多发性硬化患者可以使用一个指头,并且只需敲入一个字符来使用计算机。

  IBM公司的ViaVoice语音识别软件是2000年6月向Linux系统开放的,但是后来又从市场取消其开放。IBM的雇员Aaron Leventhal在8月份举办的KDE会议表示,ViaVoice的语音文本文件将允许Linux通过使用WizzardSoftware获得。他向使用开发源浏览器Mozilla的开发人员做了类似赠送报告。

  据Wizzard网页介绍,由于其本身并不包括语音识别组件,因此Linux用户要是使用该系统,首先必须在Windows系统下开发出自己的应用程序,然后才能在Linux系统上进行编辑。

  IBM没有对此问题发表评论。 

  此外,对于需要使用语音识别软件的Linux用户来说,另一项选择是使用Sphinx,这是一个开放源语音识别软件。但是根据Sphinx的网站信息显示,到目前为止,公司目前尚未开发出最终的产品,而Schmidt也没有意识到要使用这一软件。


出处:http://www.zdnet.com.cn/developer/
2019-11-27 16:18:35 ciel_arc 阅读数 8
  • C++语音识别开篇

    本篇mark老师将教大家使用第三方库的调用来简单的实现语音识别。随着机器学习和人工智能的热闹,国内语音行业也可谓是百花齐放。 语音识别一个伟大的时代已在我们身边悄悄走来。

    5906 人正在学习 去看看 杨波

一、云狐简介

云狐语音识别软件是基于百度智能云,由进击的狐狸进行开发的一款软件。注意,因为核心类代码是2017年就已经写好的了,所以使用的C# SDK包不是最新的。云狐目前支持的平台是Windows系统平台,使用时需要安装微软最新的.net framework 。云狐的主要功能是长时间的语音识别,支持时长超过一分钟的各种类型的语音文件识别,缺点就是速度较慢一些。

云狐视频演示及代码解析的视频链接:

https://v.qq.com/x/page/j3023vgs9yz.html

云狐语音识别软件下载:

https://blog.csdn.net/ciel_arc/article/details/103172138

另外,云狐和云猫实际上是姐妹软件,因为他们都是基于百度智能云,用C#进行开发的,使用的是百度最新的人工智能技术。而且他们目前都是免费的。这里联动一下,对云猫OCR和云狐语音感兴趣的同学,可以百度搜索“云猫OCR”或“云狐语音” 进行了解。

二、云狐的简单评测

云狐软件自带有计时功能,我们可以简单做一下评测。从上文视频演示的结果可以看出,1分钟左右的语音文件,云狐可以在10秒以内识别完毕,而30分钟左右的语音文件,云狐需要120秒即2分钟左右,才能识别完毕。从中推算出识别速度大概是4秒/分钟。

三、云狐软件的代码原理

    百度智能云给出的长语音识别接口只支持一分钟以内的语音文件的识别。而对于超过一分钟的语音文件识别,我们需要怎么做呢?

   云狐软件的原理就是:把超过一分钟的文件进行切片,切成若干个小于或者等于一分钟时长的语音文件。对每个切片文件调用百度云语音识别接口进行识别,再把结果串联起来即可。

四、云狐的代码简明解析

(一)核心类foxSpeechDemo

namespace foxAudio2Word

{

    class foxSpeechDemo

    {

        private readonly Asr _asrClient;

        public foxSpeechDemo(string myAPIKey,string mySecretKey)

        {

            _asrClient = new Asr(myAPIKey,mySecretKey);

        }

        // 识别本地文件

        public string AsrData(string pcmFilePath)

        {

            var data = File.ReadAllBytes(pcmFilePath);

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

            return result.ToString();

        }

}

}

   上面的代码是根据百度SDK包文档,进行少量改动实现的。注意为了简便,这里贴出的代码段可能跟具体的云狐实现代码有一些出入。

   不是任何一个语音文件都可以交给百度智能云直接识别。文件需要预处理,不然识别效果会很差。具体来说,作者用FFmpeg对语音文件进行预处理,然后再用百度接口识别。FFmpeg的命令行预处理类似下面的形式:

ffmpeg -y  -i 003_16k.wav  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 16k.pcm

(二)预处理的辅助函数

   共有大概4个关于预处理的辅助函数,代码如下:

1.此函数的主要功能是用C#程序自动执行命令行语句,它可执行任何语句的命令行,string cmdStr是形参,可以将命令行语句赋值给cmdStr进行执行。

 private string myCmdFun(string cmdStr)

        {

            try

            {

                Process CmdProcess = new Process();

                CmdProcess.StartInfo.FileName = "cmd.exe";

                CmdProcess.StartInfo.CreateNoWindow = true;         // 不创建新窗口    

                CmdProcess.StartInfo.UseShellExecute = false;       //不启用shell启动进程  

                CmdProcess.StartInfo.RedirectStandardInput = true;  // 重定向输入    

                CmdProcess.StartInfo.RedirectStandardOutput = true; // 重定向标准输出    

                CmdProcess.StartInfo.RedirectStandardError = true;  // 重定向错误输出  

                //CmdProcess.StartInfo.Arguments = "/c " + "=====cmd命令======";//“/C”表示执行完命令后马上退出

                //string cmdStr = "ffmpeg -y  -i 003_16k.wav  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 16k.pcm";

                CmdProcess.StartInfo.Arguments = "/c " + cmdStr;//“/C”表示执行完命令后马上退出  

                CmdProcess.Start();//执行  

                string temp = CmdProcess.StandardOutput.ReadToEnd();//输出  

                CmdProcess.WaitForExit();//等待程序执行完退出进程  

                CmdProcess.Close();//结束

                return temp;

            }

            catch (Exception ex)

            {

                return ex.ToString();

            }

        }

2.此函数表示利用ffprobe命令行获取语音文件的时长信息,以便对语音文件进行分割,注意返回值是整形变量。比如语音时长有1.5分钟,这个函数就会返回2 ,以此类推。

/// 

 

        /// 获取音频文件的持续时间信息

        /// 

 

        /// 

        /// 

        private int foxGetAudioDuration(string filename)

        {

            //使用命令行要非常小心对空格的处理

            string tempCmdStr = "ffprobe -v quiet -print_format json -show_streams "

                + filename;

            string result = myCmdFun(tempCmdStr);

            //结果使用json格式解析

            JObject jo = (JObject)JsonConvert.DeserializeObject(result);

            string audioDuration = jo["streams"][0]["duration"].ToString();

            //直接返回整形数据,单位是秒

            int durationSecond = (int)Math.Ceiling(System.Convert.ToDouble(audioDuration));

            //转成分钟表示

            int durationMinute = (durationSecond / 60) + 1;

            return durationMinute;

        }

3.此函数主要功能是对语音文件进行分割,时间单位是秒。比如我有一个2分钟的语音文件,程序就把这个文件分成2块,每块60秒即1分钟,以此类推。

///分割的时间单位应该是秒

        ///分割音频文件

        private void foxAudioCut(string filename,int timePos,int duration,int fileIndex)

        {

            //string tempCmdStr = "ffmpeg -i 003_16k.wav -ss 10 -t 10 003_1.wav";

            string tempCmdStr = "ffmpeg -y -i "+filename+

                " -ss "+timePos.ToString()

                +" -t "+duration.ToString()

                +" "+ "temp\\" + fileIndex.ToString()+".wav";

 

            myCmdFun(tempCmdStr);

        }

4.此函数的主要功能是把切片文件转换成百度云能够进行正常识别的文件格式。

/// 

 

        /// 把目标音频文件转换为百度语音能够识别的文件

        /// 

 

        /// 

        private string foxAudioConvert(string filename,int fileIndex)

        {

            //临时工作夹目录设置为“temp”

            string resultFileName = "Convert_" + fileIndex.ToString() + ".wav";

            //注意这句含有两个“temp\\”

            string tempCmdStr = "ffmpeg -y  -i "+ "temp\\" + filename

                +"  -acodec pcm_s16le -ac 1 -ar 16000 " 

                + "temp\\" +resultFileName;

            myCmdFun(tempCmdStr);

 

            return resultFileName;

        }

(三)主函数的代码逻辑

//注意:文件路径里面不能含有空格

                    string tempFilePath = Path.GetFullPath(openFileDialog1.FileName);

                    //获取音频文件持续时间信息

                    int duration = foxGetAudioDuration(tempFilePath);

                    //主要的长语音识别逻辑

                    //将音频文件分成块,每块的长度默认为1分钟

                    for (int i = 0; i < duration; i++)

                    {

                        //首先分割文件

                        foxAudioCut(tempFilePath, i * 60, 60, i);

                        //然后转换格式

                        string tempConvertFileName = foxAudioConvert(i.ToString() + ".wav", i);

                        //最后进行识别

                        //tempResult += fd.AsrData("temp\\" + tempConvertFileName);

                        //解析json

                        string tempStr = fd.AsrData("temp\\" + tempConvertFileName);

                        JObject jo = (JObject)JsonConvert.DeserializeObject(tempStr);

                        if (jo["err_no"].ToString().Equals("0"))

                        {

                            string result = jo["result"][0].ToString();

                            tempResult += result;

                        }

                    }

                    richTextBox1.Text = tempResult;

    上面是主函数里面的核心代码段,里面有很多的注释,大家可以仔细看看。主要功能就是整合预处理辅助函数的作用,把文件切片并转换格式,最后提交给百度智能云进行识别,并对识别结果进行解析,把json转换成对人类友好的文本格式。

 

2019-02-13 20:32:27 qq_38161040 阅读数 2639
  • C++语音识别开篇

    本篇mark老师将教大家使用第三方库的调用来简单的实现语音识别。随着机器学习和人工智能的热闹,国内语音行业也可谓是百花齐放。 语音识别一个伟大的时代已在我们身边悄悄走来。

    5906 人正在学习 去看看 杨波

首先需要安装 speech 库,直接pip install speech就好了。
speech.input() 这一行代码就可以实现语音识别,第一次使用需要配置一下。

import speech

while True:
    say = speech.input() # 接收语音
    speech.say("you said:"+say) #说话
    
    if say == "你好":
        speech.say("How are you?")
    elif say == "天气":
        speech.say("今天天气晴!")

运行效果图
它调用了本地了语音识别软件。
在这里插入图片描述
你说英语的话它不容易识别出来,但是中文却识别的很好!应该是计算机语言是简体中文,要是设置为英文的话,应该就能识别出来了。

如果是python3版本使用过程中有问题可以看:
Python3使用speech库-常见问题原因及解决方法

第一次启用需要进行语音识别设置

按如下步骤进行即可。
在这里插入图片描述
在这里插入图片描述
当正常说话的声音在绿色范围内是最佳的音效,如果到达红色声音会过大,这个就是让你自己调整合适。
在这里插入图片描述
在这里插入图片描述
这个可以选择激活模式。
在这里插入图片描述
这个是设置是否随开机启动。
在这里插入图片描述
最后可以选择是否查看教程。
在这里插入图片描述
喜欢的点个赞❤吧!

2019-11-20 21:39:29 ciel_arc 阅读数 20
  • C++语音识别开篇

    本篇mark老师将教大家使用第三方库的调用来简单的实现语音识别。随着机器学习和人工智能的热闹,国内语音行业也可谓是百花齐放。 语音识别一个伟大的时代已在我们身边悄悄走来。

    5906 人正在学习 去看看 杨波
editor-video.png

云狐软件

视频地址链接:

https://v.qq.com/x/page/j3023vgs9yz.html

云狐软件及演示PPT下载:

链接:https://pan.baidu.com/s/1QUpI2ze8wFpdBjT95x2tFg

提取码:qyhc

云狐软件演示版源代码,请到码云下载:

https://gitee.com/attacking_fox/foxAudio2Word/tree/master/

没有更多推荐了,返回首页