语音合成与文字语音互转 Baidu.AI+ffmpeg

语音和文本互转

安装Baidu.AI

Install-Package Baidu.AI

将文本合成语音

将文本合成为语音文件主要使用百度云API中的Tts类，该类是语音合成的交互类，为使用语音合成的开发人员提供了一系列的交互方法。

Tts 类中提供了一个Synthnesis 方法，哟过来将文本合成语音，其语法如下：

参数	类型	描述
text	String	合成的文本，使用UTF-8编码，请注意文本长度必须小于1024字节
option	Dictionary	可选参数，用来指定合成语音的一些信息，如语速，男声、女生、音量
spd	String	语速，0-9，默认为5，中语速
pit	String	语调，取值0-9，默认5 中语调
vol	String	音量，取值0-15，默认为5 中音量
per	string	发音人选择，0为女声 1为男声 3为情感合成 度逍遥 4 为情感合成 度YY
guid	string	用户唯一标识，用来区分用户，用来设置机器MAC地址或IMEI码，长度为60以内

语音识别

将语音识别为文本主要使用百度云API中的Asr类，该类是语音识别的交互类，为使用语音识别的开发人员提供了一系列的交互方法。

Asr 类中提供了一个Recognize方法，用来向远程服务上传整段语音进行识别，其语法如下：

参数	类型	描述
data	byte[]	语音二进制数据，语音文件的格式，pcm或者wav或者amr, 不区分大小写
format	string	语音文件的格式，pcm或者wav或者amr 不区分大小写，推荐pcm文件
rate	int	采样率，16000，固定值

Recognize方法返回值

参数	类型	是否一定输出	描述
err_no	int	是	错误码
err_msg	int	是	错误描述
sn	int	是	语音数据唯一标识，系统内部产生，用于debug
result	int	是	识别结果数组，提供1~5个候选结果，string 类型为识别的字符串 UTF-8编码

Code

using Baidu.Aip.Speech;
using Sunny.UI;
using System;
using System.Collections.Generic;
using System.Diagnostics;
using System.IO;
using System.Windows.Forms;

namespace VoiceToWord
{
    public partial class Form1 : UIForm
    {
        private readonly Tts _ttsClient;  //声明TTS对象，该对象用来对语音进行操作
        private readonly Asr _asrClient;  //声明Asr对象，该对象用来识别语言文件
        string APPID = "11079594";  //自己在百度云中创建的应用的ID
        string API_KEY = "fMA2S0U0dGPHbdbn3EmtRGfz";
        string SECRET_KEY = "2d9bbfc2a45bde1056d0c1fd272fd5f2";//设置自己申请百度云账号时的SecretKey

        public Form1()
        {
            _ttsClient = new Tts(API_KEY, SECRET_KEY);
            _asrClient = new Asr(APPID, API_KEY, SECRET_KEY);
            CheckForIllegalCrossThreadCalls = false;
            InitializeComponent();
        }

        private void Form1_Load(object sender, EventArgs e)
        {

        }

        private void btnYuYinHeCheng_Click(object sender, EventArgs e)
        {
            var option = new Dictionary<string, object>();
            if (rbtnGirl.Checked)
            {  //女生
                option = new Dictionary<string, object>() {
                    {"spd",5 }, //语速
                    { "vol",7}, //音量
                    { "per",0} /*0为女声 1为男声 3为情感合成-度逍遥 4为情感合成 度YY*/
                  

                };
            }
            else if (rBtnBoy.Checked)
            {
                option = new Dictionary<string, object>()
                {
                    {"spd",5 },
                    { "vol",7},
                    { "per",1}
                };
            }
            else if (rbtnD1.Checked)
            {
                option = new Dictionary<string, object>() {
                   {"spd",5 },
                   { "vol",7},
                   {"per",3 }
               };
            }
            else if (rbtnD2.Checked) {
                option = new Dictionary<string, object>() { 
                    { "spd",5},
                    {"vol",7 },
                    { "per",4}
                };

            }
            //支持格式:pcm(不压缩) wav(不压缩) amr 压缩格式 mp3 等
            var result = _ttsClient.Synthesis(txtContent.Text, option);
            string filename = DateTime.Now.ToLongDateString()+ ".mp3";
            if (result.Success) {
                File.WriteAllBytes(filename, result.Data); //保存语音文件
            }
            System.Diagnostics.Process.Start(filename); //打开播放语音文件
        }

        private void btnSelectFile_Click(object sender, EventArgs e)
        {
            txtNeiRong.Text = "";
            OpenFileDialog file = new OpenFileDialog();
            file.Filter = "音频文件|*.pcm;*.wav;*.amr;*.mp3";
            if (file.ShowDialog() == DialogResult.OK) { 
                txtVoiceFile.Text = file.FileName;
                System.Threading.ThreadPool.QueueUserWorkItem(
                    (p_temp) => { 
                      //定义使用ffmpeg 转换视频命令，将格式转换为采用16k采样频率的wav文件
                      string cmd=@"ffmpeg-i"+txtVoiceFile.Text+" -ar 16000 ac 1 -f wav temp.wav";
                        Process p = new Process();  //创建一个进程
                        p.StartInfo.FileName = "cmd.exe"; 
                        p.StartInfo.UseShellExecute = false; //是否使用操作系统的Shell 启动
                        p.StartInfo.RedirectStandardInput = true;//接收来自调用程序的输入信息
                        p.StartInfo.RedirectStandardOutput = true;//由调用程序获取输出信息
                        p.StartInfo.RedirectStandardError = true;//重定向标准错误输出
                        p.StartInfo.CreateNoWindow = true; //不显示程序窗体
                        p.Start(); //启动程序
                                   //向cmd窗口发送输入信息
                        p.StandardInput.WriteLine(cmd+"&exit");
                        p.StandardInput.AutoFlush = true; //等待程序执行完退出进程
                        p.WaitForExit();
                        p.Close();
                        System.Threading.Thread.Sleep(1000);
                        var data = File.ReadAllBytes(txtVoiceFile.Text);//将文本内容保存为字节数组，按指定码率识别字节数组内容
                        var result = _asrClient.Recognize(data, "pcm", 16000);
                        txtNeiRong.Text = "识别内容：" + Environment.NewLine + result + Environment.NewLine + "\n\n提取的文字" +
                        Environment.NewLine;
                        if (result["err_msg"].ToString() == "success.") {
                            txtNeiRong.Text += result["result"];//显示内容
                            //File.Delete(txtVoiceFile.Text);
                        }

                    }
                    );
            }
        }
    }
}

运行效果：