总目录地址:AI 系列 总目录
需要最新源码,或技术提问,请加QQ群:538327407
我的各种github 开源项目和代码:https://github.com/linbin524
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;
/// <summary>
/// 备注,语音识别需要配套阵列麦克风
/// </summary> public MainForm()
{
InitializeComponent(); // Configure the wavechart
chart.SimpleMode = true;
chart.AddWaveform("wave", Color.Green, , false); updateButtons();
// Application.Idle += ProcessFrame;
} void ProcessFrame(object sender, EventArgs e) { }
/// <summary>
/// 从声卡开始录制音频
/// </summary>
///
private void btnRecord_Click(object sender, EventArgs e)
{
// Create capture device
source = new AudioCaptureDevice()//这里是核心
{
// Listen on 22050 Hz
DesiredFrameSize = ,
SampleRate = ,//采样率
//SampleRate = 22050,//采样率
Channels=,
// 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>
/// 播放录制的音频流。
/// </summary>
///
private void btnPlay_Click(object sender, EventArgs e)
{
// First, we rewind the stream
stream.Seek(, 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>
/// 停止录制或播放流。
/// </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, , 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;
} /// <summary>
/// 当音频有错误时,将调用这个回调函数。
///
///
/// </summary>
///
private void source_AudioSourceError(object sender, AudioSourceErrorEventArgs e)
{
throw new Exception(e.Description);
} /// <summary>
///
/// 每当有新的输入音频帧时,该方法将被调用。
///
/// </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, , 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 = ;
}
} 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(, SeekOrigin.Begin); decoder = new WaveDecoder(stream); var signal = decoder.Decode(); var volume = new VolumeFilter(value);
volume.ApplyInPlace(signal); stream.Seek(, SeekOrigin.Begin);
encoder = new WaveEncoder(stream);
encoder.Encode(signal);
} }
}
百度语音识别接口
百度已经提供sdk,对于支持语音格式如下。
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 = )
{
var data =File.ReadAllBytes(filePath);
var result = _asrClient.Recognize(data, format, );
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。
基于Accord.Audio和百度语言识别的更多相关文章
-
一款基于jQuery的仿百度首页滑动选项卡
今天给大家分享一款基于jQuery的仿百度首页滑动选项卡.这款选项卡适用浏览器:IE8.360.FireFox.Chrome.Safari.Opera.傲游.搜狗.世界之窗.效果图如下: 在线预览 ...
-
基于HTML5 audio元素播放声音jQuery小插件
by zhangxinxu from http://www.zhangxinxu.com本文地址:http://www.zhangxinxu.com/wordpress/?p=1609 一.前面的些唠 ...
-
基于位置的服务——百度地图SDK练习
基于位置的服务所围绕的核心就是要先确定出用户所在的位置.通常有两种技术方式可以实现:一种是通过GPS定位,一种是通过网络定位.Android对这两种定位方式都提供了相应的API支持.但由于众所周知的原 ...
-
基于 Golang 完整获取百度地图POI数据的方案
百度地图为web开发者提供了基于HTTP/HTTPS协议的丰富接口,其中包括地点检索服务,web开发者通过此接口可以检索区域内的POI数据.百度地图处于数据保护对接口做了限制,每次访问服务,最多只能检 ...
-
基于指定文本的百度地图poi城市检索的使用(思路最重要)
(转载请注明出处哦)具体的百度地图权限和apikey配置以及基础地图的配置不叙述,百度地图定位可以看这个链接的http://blog.csdn.net/heweigzf/article/details ...
-
AI 系列 总目录
AI 系列 答应了园区大牛 张善友 要写AI 的系列博客,所以开始了AI 系列之旅. 一.四大平台系列(百度AI.阿里ET.腾讯.讯飞) 1.百度篇 (1) 百度OCR文字识别-身份证识别 (2) 基 ...
-
ASP.NET MVC WebApi 返回数据类型序列化控制(json,xml) 用javascript在客户端删除某一个cookie键值对 input点击链接另一个页面,各种操作。 C# 往线程里传参数的方法总结 TCP/IP 协议 用C#+Selenium+ChromeDriver 生成我的咕咚跑步路线地图 (转)值得学习百度开源70+项目
ASP.NET MVC WebApi 返回数据类型序列化控制(json,xml) 我们都知道在使用WebApi的时候Controller会自动将Action的返回值自动进行各种序列化处理(序列化为 ...
-
.NET平台开源项目速览(13)机器学习组件Accord.NET框架功能介绍
Accord.NET Framework是在AForge.NET项目的基础上封装和进一步开发而来.因为AForge.NET更注重与一些底层和广度,而Accord.NET Framework更注重与机器 ...
-
5款帮助简化的HTML5 Audio开发的Javascript类库
HTML5的audio标签提供了我们方便控制声音的功能,可是使用原生的HTML5来开发声音或者音乐相关的项目仍旧很的麻烦.在今天这篇文章中,我们将介绍5款帮助你简化开发的javascript audi ...
随机推荐
-
2016.10.29 清北学堂NOIP冲刺班Day1 AM 考试总结
成绩:满分300,我得了200, 1:90//前两个题目都是模拟,没用到什么其他算法,第一题有可能少考虑了一点细节 2:100 3:10//感觉是个DP,但是毫无思路,只打了个普通背包,10分而已. ...
-
javap生成的字节码
https://www.zhihu.com/question/49470442/answer/135812845http://blog.csdn.net/tzs_1041218129
-
id 选择器
id 选择器 1.id 选择器可以为标有特定 id 的 HTML 元素指定特定的样式. (即也可以说,可以将已经预先定义的特定样式,通过id选择器,赋值指向HTML 元素) 2.HTML元素以id属性 ...
-
<;杂记>;该换个背景图了
..当然我刚开始也是懵逼的,我有发现这里可以写css,但是还是缺个图片地址,想了想,这不是还有个相册功能吗. 那应该就是把自己要换的图片上传到相册吧. 右击图片,选择检查元素找到图片的src 如:ht ...
-
百度AI搜索引擎
一.爬虫协议 与其它爬虫不同,全站爬虫意图爬取网站所有页面,由于爬虫对网页的爬取速度比人工浏览快几百倍,对网站服务器来说压力山大,很容易造成网站崩溃. 为了避免双输的场面,大家约定,如果网站建设者不愿 ...
-
proxy config (firefox config)
sudo apt-get install * sudo apt-get install polipo 编辑polipo config: sudo vim /etc/polipo/c ...
-
马哥Linux base学习笔记
介绍课程: 中级: 初级:系统基础 中级:系统管理.服务安全及服务管理.shell脚本 高级: MySQL数据库: Cache & storgae 集群: Cluster lb: 4la ...
-
【Jenkins学习】安装配置和使用(一)
为了能够频繁地将软件的最新版本,及时.持续地交付给测试团队及质量控制团队,以供评审,所以引入持续集成工具Jenkins,从而实现公司新产品持续集成,自动化部署. 环境准备 ●操作系统:Windows1 ...
-
docker部署jenkins环境
首先获取jenkins的镜像: docker pull jenkins 设置jenkins_home映射: sudo mkidr -p /jenkins_home /jenkins_home 启动容器 ...
-
mysql事件的开启和调用
检测事件是否开启 show variables like 'event_scheduler'; 开启事件 set global event_scheduler = on; 创建一个存储过程 delim ...