C#实现百度AI-实时语音识别转写-附源码
好久没来园子做贡献了，今天贴一个最近弄的一个小东西，实时语音识别，该技术目前已经很普遍，不做过多介绍了
网上找了很久，没有找到例子，不是要分就是要分，我只想说，程序猿何苦为难程序猿。。。。
而且下载的例子也都不是实时语音转写，基本都是短语音或者音频转写，没办法了，自己搞吧。
网站看到一篇帖子，借鉴一个前辈写的讯飞识别语音的例子做为参考，修改了一下，可以实现 实时语音转写
https://blog.csdn.net/qq_40582463/article/details/107983905
本案例对接的是 百度平台 WebSocket API 实时语音专写 ，因为百度有免费额度，讯飞还需要企业认证，做为平民玩家，只能优先使用方便并还免费的。
另外其他几个平台对接也都差不多，案例是使用C#语言 实现WebSocket进行通信对接，其他语言各平台可能会有SDK或Demo，但是都没有C#的。。
如果有想是要C# 对接其它平台的，代码可以作为参考，本人大致看了讯飞与百度的，对接都大同小异！
只是参数上有一些区别，这个看个人选择哪个平台做对接。最大差别嘛，收费不一样
废话不多说了，直接上代码，只有一个文件，就不打源码包了，基本引用及重要方法都已注释！
using NAudio.Wave; using Newtonsoft.Json; using Newtonsoft.Json.Linq; using System; using System.Security.Cryptography; using System.Text; using System.Threading; using System.Web; using WebSocket4Net; namespace ConsoleApp { /// <summary> /// 百度实时语音识别 WebSocket /// </summary> class Program {
//引用俩个包，Nuget下可以找到， websocket Naudio //百度新账户注册送10个小时免费试用，测试肯定够 private const String appid = "XXXXX";//到控制台-语音合成页面获取 private const String apiSecret = "XXXXXX";//到控制台-语音合成页面获取 private const String apiKey = "XXXXX";//到控制台-语音合成页面获取 //private static FileStream fs = new FileStream("test.pcm", FileMode.Open);//从音频文件进行语音识别时会用到 enum Status { FirstFrame = 0, ContinueFrame = 1, LastFrame = 2 } private static WebSocket webSocket; private static IWaveIn recorder;//录音机 private static volatile Status status = Status.FirstFrame; static void Main(string[] args) { string ts = GenerateTimeStamp(); string yb = EncryptUtil.HMACSHA1Text(EncryptUtil.GetMd5Code(appid + ts), apiKey); string uril = "wss://vop.baidu.com/realtime_asr?sn="+Guid.NewGuid().ToString(); //初始化录音机 recorder = new WaveInEvent { WaveFormat = new WaveFormat(16000, 1) }; recorder.DataAvailable += OnDataAvailable; recorder.RecordingStopped += OnRecordingStopped; //开始请求 WebSocket webSocket = new WebSocket(uril); webSocket.Opened += OnOpened; webSocket.DataReceived += OnDataReceived; webSocket.MessageReceived += OnMessageReceived; webSocket.Open(); //停止 Console.Read(); status = Status.LastFrame; webSocket.Closed += OnClosed; webSocket.Error += OnError; }
//请求开始 private static void OnDataAvailable(object sender, WaveInEventArgs e) { switch (status) { case Status.FirstFrame:////握手 { dynamic frame = new JObject(); frame.type = "START"; frame.data = new JObject { { "appid",appid}, { "appkey","appkey"}, { "dev_pid",15372}, { "cuid","cuid-1"}, { "format","pcm"}, { "sample",16000}, }; webSocket.Send(frame.ToString()); status = Status.ContinueFrame; } break; case Status.ContinueFrame://开始发送 { dynamic frame = new JObject(); frame = Convert.ToBase64String(e.Buffer); webSocket.Send(e.Buffer,0, e.Buffer.Length); } break; case Status.LastFrame://关闭 { dynamic frame = new JObject(); frame.type = "FINISH"; webSocket.Send(frame.ToString()); recorder.StopRecording(); } break; default: break; } } //返回结果处理 private static void OnMessageReceived(object sender, MessageReceivedEventArgs e) { //返回的JSON串"{\"err_msg\":\"OK\",\"err_no\":0,\"log_id\":1542502511,\"result\":\"你好\",\"sn\":\"c36964c8-d86c-4a06-b7cf-8939539d3eb8_ws_1\",\"type\":\"MID_TEXT\"}\n" Console.WriteLine(e.Message); dynamic msg = JsonConvert.DeserializeObject(e.Message); if (msg.err_msg !="OK") { Console.WriteLine($"error => {msg.message},err_no => {msg.err_no}"); return; } var ws = msg.result; if (ws == null) { return; } Console.Write(ws); Console.WriteLine(); } private static void OnError(object sender, SuperSocket.ClientEngine.ErrorEventArgs e) { Console.WriteLine("OnError"); Console.WriteLine(e.Exception.Message); } private static void OnClosed(object sender, EventArgs e) { Console.WriteLine("OnClosed"); recorder.DataAvailable -= OnDataAvailable; } private static void OnDataReceived(object sender, DataReceivedEventArgs e) { Console.WriteLine("OnDataReceived"); Console.WriteLine(e.Data.Length); } private static void OnRecordingStopped(object sender, StoppedEventArgs e) { Console.WriteLine("OnRecordingStopped"); Console.WriteLine(e.Exception?.Message); } /// <summary> /// 检查麦克风 /// </summary> /// <param name="sender"></param> /// <param name="e"></param> private static void OnOpened(object sender, EventArgs e) { Console.WriteLine("OnOpened"); try { recorder.StartRecording(); } catch (Exception ex) { Console.WriteLine("未插入麦克风，程序关闭"); } } /// <summary> /// 时间戳 /// </summary> /// <returns></returns> public static string GenerateTimeStamp() { TimeSpan ts = DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, 0); return Convert.ToInt64(ts.TotalSeconds).ToString(); } } }
加密方法
public class EncryptUtil { public static string GetMd5Code(string text) { try { //MD5类是抽象类 MD5 md5 = MD5.Create(); //需要将字符串转成字节数组 byte[] buffer = Encoding.Default.GetBytes(text); //加密后是一个字节类型的数组，这里要注意编码UTF8/Unicode等的选择 byte[] md5buffer = md5.ComputeHash(buffer); string str = null; // 通过使用循环，将字节类型的数组转换为字符串，此字符串是常规字符格式化所得 foreach (byte b in md5buffer) { //得到的字符串使用十六进制类型格式。格式后的字符是小写的字母，如果使用大写（X）则格式后的字符是大写字符 //但是在和对方测试过程中，发现我这边的MD5加密编码，经常出现少一位或几位的问题； //后来分析发现是 字符串格式符的问题， X 表示大写， x 表示小写， //X2和x2表示不省略首位为0的十六进制数字； str += b.ToString("x2"); } Console.WriteLine(str);//202cb962ac59075b964b07152d234b70 return str; } catch (Exception e) { System.Diagnostics.Debug.WriteLine("GetMd5Code exception:" + e.Message); } return null; } #region HMACSHA1加密 对二进制数据转Base64后再返回 /// <summary> /// HMACSHA1加密 /// </summary> /// <param name="text">要加密的原串</param> ///<param name="key">私钥</param> /// <returns></returns> public static string HMACSHA1Text(string text, string key) { try { //HMACSHA1加密 HMACSHA1 hmacsha1 = new HMACSHA1 { Key = System.Text.Encoding.UTF8.GetBytes(key) }; byte[] dataBuffer = System.Text.Encoding.UTF8.GetBytes(text); byte[] hashBytes = hmacsha1.ComputeHash(dataBuffer); return Convert.ToBase64String(hashBytes); } catch (Exception e) { System.Diagnostics.Debug.WriteLine("HMACSHA1Text exception:" + e.Message); } return null; } #endregion }
大家有问题，可以留言，本人不一定什么时候会再到园子逛，如果看到后会第一时间回复，与大家进行交流！
