1 Unstar Star 2 Fork 0

withsalt / IflySdkC#MIT

Create your Gitee Account
Explore and code with more than 5 million developers,Free private repositories !:)
Sign up
科大讯飞SDK,目前支持流式语音识别、语音合成。兼容Linux和Windows。 spread retract

Clone or download
Cancel
Notice: Creating folder will generate an empty file .keep, because not support in Git
Loading...
README.md

IflySdk

科大讯飞SDK,目前支持流式语音识别、语音合成。兼容Linux和Windows。

注意

(1)、其中的AppID和ApiKey为测试APP,每日只有500次调用量,用完即止。请更换为自己的APP。
(2)、语音听写(流式版)请开启动态修正(仅中文普通话支持,免费),否则会运行出错!
(3)、ASRRecordDemo(实时录音识别)和TTSPlayDemo(实时TTS播放)仅支持在Windows中运行,因为依赖于NAudio,而NAudio仅支持在Widnows上面录音和播放。其余demo均兼容Linux和Windows。同时欢迎Pull Linux demo。

参考

使用方法

ASR(语音听写)

语音识别有两种模式。第一种是识别一个完整的音频文件,第二种是实时识别,可以一边输入音频,一边进行语音识别。
实时识别需要注意的是:a.整个会话时长最多持续60s,或者超过10s未发送数据服务器会自动断开连接。但是识别过程不会停止,会自动开启一个新的会话进行识别。b.每次输入的分片大小建议在3000以上,小于1000就可能影响到识别速率(也取决于输入频率)。

(1)、实时识别

static async void ASR()
{
    string path = @"02.pcm";  //测试文件路径,自己修改
    int frameSize = 3200;
    byte[] data = File.ReadAllBytes(path);

    try
    {
        ASRApi iat = new ApiBuilder()
            .WithAppSettings(new AppSettings()
            {
                ApiKey = "7b845bf729c3eeb97be6de4d29e0b446",
                ApiSecret = "50c591a9cde3b1ce14d201db9d793b01",
                AppID = "5c56f257"
            })
            .UseError((sender, e) =>
            {
                Console.WriteLine("错误:" + e.Message);
            })
            .UseMessage((sender, e) =>
            {
                Console.WriteLine("实时结果:" + e);
            })
            .BuildASR();

        //计算识别时间
        Stopwatch sw = new Stopwatch();
        sw.Start();

        for (int i = 0; i < data.Length; i += frameSize)
        {
            //模拟说话暂停
            await Task.Delay(100);
            iat.Convert(SubArray(data, i, frameSize));
        }
        //结束本次会话
        iat.Stop();
        //等待本次会话结束
        while (iat.Status != ServiceStatus.Stopped)
        {
            await Task.Delay(10);
        }
        sw.Stop();
        Console.WriteLine($"总共花费{Math.Round(sw.Elapsed.TotalSeconds, 2)}秒。");
    }
    catch (Exception ex)
    {
        Console.WriteLine(ex.Message);
    }
}

(2)、识别一个完整的音频

static async void ASRAudio()
{
    string path = @"02.pcm";  //测试文件路径,自己修改
    byte[] data = File.ReadAllBytes(path);

    try
    {
        ASRApi iat = new ApiBuilder()
            .WithAppSettings(new AppSettings()
            {
                ApiKey = "7b845bf729c3eeb97be6de4d29e0b446",
                ApiSecret = "50c591a9cde3b1ce14d201db9d793b01",
                AppID = "5c56f257"
            })
            .UseError((sender, e) =>
            {
                Console.WriteLine("错误:" + e.Message);
            })
            .UseMessage((sender, e) =>
            {
                Console.WriteLine("实时结果:" + e);
            })
            .BuildASR();

        //计算识别时间
        Stopwatch sw = new Stopwatch();
        sw.Start();

        ResultModel<string> result = await iat.ConvertAudio(data);
        if (result.Code == ResultCode.Success)
        {
            Console.WriteLine("\n识别结果:" + result.Data);
        }
        else
        {
            Console.WriteLine("\n识别错误:" + result.Message);
        }

        sw.Stop();
        Console.WriteLine($"总共花费{Math.Round(sw.Elapsed.TotalSeconds, 2)}秒。");
    }
    catch (Exception ex)
    {
        Console.WriteLine(ex.Message);
    }
}

TTS(语音合成)

TTS返回的实时结果为Base64编码的音频数据,需要自行解码。返回的最终结果为byte[]数组,可以直接保存为pcm音频。保存的音频不能直接打开播放,需要播放测试可以使用工具Audacity或FFmpeg。

static async void TTS()
{
    string str = @"两只黄鹂鸣翠柳,一行白鹭上青天";
    try
    {
        TTSApi tts = new ApiBuilder()
            .WithAppSettings(new AppSettings()
            {
                ApiKey = "7b845bf729c3eeb97be6de4d29e0b446",
                ApiSecret = "50c591a9cde3b1ce14d201db9d793b01",
                AppID = "5c56f257"
            })
            .UseError((sender, e) =>
            {
                Console.WriteLine(e.Message);
            })
            .UseMessage((sender, e) =>
            {
                Console.WriteLine("结果:" + e.Substring(0, 20) + "...");  //Base64的结果。没显示完
            })
            .BuildTTS();

        ResultModel<byte[]> result = await tts.Convert(str);
        if (result.Code == ResultCode.Success)
        {
            //注意:转换后的结果为16K的单声道原始音频,可以使用ffmpeg来测速播放。
            string path = Path.Combine(Environment.CurrentDirectory, "test.pcm");
            using (var fs = new FileStream(path, FileMode.Create, FileAccess.Write))
            {
                fs.Write(result.Data, 0, result.Data.Length);
                fs.Flush();
            }
            if (File.Exists(path))
            {
                Console.WriteLine("保存成功!");
            }
            else
            {
                Console.WriteLine("保存失败!");
            }
        }
        else
        {
            Console.WriteLine("\n错误:" + result.Message);
        }
    }
    catch (Exception ex)
    {
        Console.WriteLine(ex.Message);
    }
}

用FFmpeg播放合成的音频

ffplay -ar 16000 -channels 1 -f s16le -i test.pcm

Comments ( 0 )

Sign in for post a comment

C#
1
https://gitee.com/withsalt/IflySdk.git
git@gitee.com:withsalt/IflySdk.git
withsalt
IflySdk
IflySdk
master

Search

132457 8cb2edc1 1899542 131848 70c8d3a4 1899542