WPF实现录音和语音识别的两种方案_winform 语音识别_MrSimp1e的博客

相关文章推荐

英勇无比的大蒜 · Qt 信息提示框QMessageBox用法 ...· 5 月前 ·

大气的作业本 · iphone过热手电筒打不开-百度经验· 10 月前 ·

捣蛋的铁链 · 引入ts开发环境，tsconfig.json ...· 1 年前 ·

英勇无比的仙人掌 · 知道风量，怎么计算矩形风管尺寸_百度知道· 1 年前 ·

光明磊落的毛巾 · 二手房挂牌量攀升真相：房东抛售离场是假，“老 ...· 1 年前 ·

最近在做微软的一点小项目需要用到语音识别，但是微软的语音识别真的太不给力了，其中遇到很多麻烦。偶然听到大熊说google的语音识别接口，于是搜索资料弄了一个，整理出来，希望能帮助需要的朋友，大神别喷就好。

一、使用Google Speech API

思路解析： 1、首先通过WPF录音，这里注意码率必须为16000。

2、得到wav格式的录音文件流

3、将该录音文件流传给google的语音识别接口 http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN

4、解析google识别出来的文字信息。

先看如下参考资料：

http://www.cnblogs.com/onlytiancai/archive/2008/08/02/p2p_sound_chat.html

http://blog.csdn.net/dlangu0393/article/details/7214728

http://www.cnblogs.com/eboard/archive/2012/02/29/speech-api.html

我的程序中引用的是蛙蛙池塘的第一个附件中的dll，把client中的dll引进项目即可实现录音。

附上我的代码：

MainWindow.xaml

<Window x:Class="SoundRecord.MainWindow"
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
        Title="MainWindow" Height="350" Width="525"
        Closing="Window_Closing_1">
    <StackPanel Orientation="Vertical">
        <TextBlock Name="statusBlock" FontSize="30" Foreground="Red" Text="还未开始..."/>
        <StackPanel Orientation="Horizontal" HorizontalAlignment="Center">
            <Button Name="StartBtn" Width="200" Height="200" Background="Red" Content="开始" FontSize="40" Click="StartBtn_Click_1"/>
            <Button Name="StopBtn" Width="200" Height="200" Background="Red" Content="结束" FontSize="40" Click="StopBtn_Click_1"/>
        </StackPanel>
    </StackPanel>
</Window>

MainWindow.cs

using Microsoft.DirectX.DirectSound;
using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Net;
using System.Text;
using System.Threading;
using System.Threading.Tasks;
using System.Windows;
using System.Windows.Controls;
using System.Windows.Data;
using System.Windows.Documents;
using System.Windows.Input;
using System.Windows.Media;
using System.Windows.Media.Imaging;
using System.Windows.Navigation;
using System.Windows.Shapes;
using WawaSoft.Media;
namespace SoundRecord
    /// <summary>
    /// Interaction logic for MainWindow.xaml
    /// </summary>
    public partial class MainWindow : Window
        CaptureSound record = null;
        private int fileIndex = 0;
        public MainWindow()
            InitializeComponent();
            WaveFormat format = DirectSoundManager.CreateWaveFormat(16000, 16, 1);
            record = new CaptureSound(format);
        private void StartBtn_Click_1(object sender, RoutedEventArgs e)
            statusBlock.Text = "录音中...";
            record.FileName = "F:\\hello-" + fileIndex + ".wav";
            record.Start();
        private void StopBtn_Click_1(object sender, RoutedEventArgs e)
            statusBlock.Text = "录音停止...";
            record.Stop();
            Thread thread = new Thread(new ThreadStart(GoogleSTT));
            thread.Start();
        /// <summary>
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void Window_Closing_1(object sender, System.ComponentModel.CancelEventArgs e)
            MessageBox.Show("Closing App");
            record = null;
        delegate void MyDelegate();
            /// <summary>
        /// 调用GOOLE语音识别引擎
        /// </summary>
        /// <returns></returns>
        private void GoogleSTT()
            MyDelegate dl = new MyDelegate(delegate() { statusBlock.Text = "语音请求中"; });
            Dispatcher.BeginInvoke(dl);
            Console.WriteLine("语音请求中...");
            string result = string.Empty;
                string inFile = record.FileName;
                FileStream fs = new FileStream(inFile, FileMode.Open);
                byte[] voice = new byte[fs.Length];
                fs.Read(voice, 0, voice.Length);
                fs.Close();
                HttpWebRequest request = null;
                string url = "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN";
                Uri uri = new Uri(url);
                request = (HttpWebRequest)WebRequest.Create(uri);
                request.Method = "POST";
                request.ContentType = "audio/L16; rate=16000";
                request.ContentLength = voice.Length;
                using (Stream writeStream = request.GetRequestStream())
                    writeStream.Write(voice, 0, voice.Length);
                using (HttpWebResponse response = (HttpWebResponse)request.GetResponse())
                    using (Stream responseStream = response.GetResponseStream())
                        using (StreamReader readStream = new StreamReader(responseStream, Encoding.UTF8))
                            result = readStream.ReadToEnd();
                            Console.WriteLine("语音解析 :" + result);
            catch (Exception ex)
                Console.WriteLine(ex.StackTrace);
            //return result;
 <configuration>
<startup useLegacyV2RuntimeActivationPolicy="true">
  <supportedRuntime version="v4.0" sku=".NETFramework,Version=v4.0"/>
</startup>
</configuration> 
 修改后会出现错误：什么LoaderLock 之类的。
 翻译成中文是 : 正试图在 os 加载程序锁内执行托管代码。不要尝试在 DllMain 或映像初始化函数内运行托管代码，这样做会导致应用程序挂起。 
 问题的解决方法: 
 这个问题只需要把vs2005菜单的 调试->异常->Managed Debuggin Assistants->LoaderLock 的选中状态去掉即可！如果异常（exception）这一项没有的话，在工具---自定义---命令选项卡---左边选择调试--右边把异常托到菜单里就可以了。异常也有个快捷键Ctrl+Alt+E. 
 丑陋的测试界面，点击开始后开始录音，录完后点击结束即可上传数据给google，然后等待控制台输出结果即可，这里并没有进行json解析，需要的朋友自己解析吧。 
这里例子的代码在这里 ： http://download.csdn.net/detail/bboyfeiyu/5165924 
二、使用微软的语音识别接口 
直接上代码了。 
using System;
using System.Speech.Recognition;
namespace SpeechRecognitionApp
  class Program
    static void Main(string[] args)
      // 需要使用中文语音识别的话把en-US改为zh-CN即可，不过微软的特点就是不准
      using (
      SpeechRecognitionEngine recognizer =
        new SpeechRecognitionEngine(
          new System.Globalization.CultureInfo("en-US")))
        // 载入语法，这里是没有载入自定义的语法。你也可以设定语法，可以指定一些命令之类的
        recognizer.LoadGrammar(new DictationGrammar());
        /* 自己添加语法，在colorChoice 里面增加即可，具体要根据你需要的来设定。
        Choices colorChoice = new Choices(new string[] { "red", "green", "blue" });
        GrammarBuilder colorElement = new GrammarBuilder(colorChoice);
        Grammar grammar = new Grammar(colorElement);
        grammar.Enabled = true;
        // Create and load a dictation grammar.
        recognizer.LoadGrammar(grammar); 
        // 增加事件处理
        recognizer.SpeechRecognized += 
          new EventHandler<SpeechRecognizedEventArgs>(recognizer_SpeechRecognized);
        // Configure input to the speech recognizer.
        recognizer.SetInputToDefaultAudioDevice();
        // Start asynchronous, continuous speech recognition. 启动语音识别
        recognizer.RecognizeAsync(RecognizeMode.Multiple);
        // Keep the console window open.
        while (true)
          Console.ReadLine();
    // Handle the SpeechRecognized event.    语音识别事件处理，获得识别到的文本。
    static void recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
      Console.WriteLine("Recognized text: " + e.Result.Text);
 参考资料（MSDN）： 
http://msdn.microsoft.com/zh-cn/library/system.speech.recognition.speechrecognitionengine.aspx
  
结束语： 希望能够帮到需要的人吧，有什么错误大神指出，别喷就好。 
                    开发环境： Windows 7工具 : VS2012前言 ： 最近在做微软的一点小项目需要用到语音识别，但是微软的语音识别真的太不给力了，其中遇到很多麻烦。偶然听到大熊说google的语音识别接口，于是搜索资料弄了一个，整理出来，希望能帮助需要的朋友，大神别喷就好。一、使用Google Speech  API思路解析：   1、首先通过WPF录音，这里注意码率必
				Naudio是集录音、播放的源码库。https://github.com/naudio/NAudio，这是基于.net的框架。 在这链接的源码里有各种.net 框架的例子，对于基于.net wpf/universal 的程序，还提供了波形图的绘制。
我从没接触过音频类的技术，有个基于wpf 的项目需要快速提供实时绘制录音的图形。
因为源码库提供的wpf例子是基于文件播放的，其还中包括了比较多参数设置，技术上用了很多反射。很不直观 ，又因为对音频api毫无概念，想快速修改为基于实时录音还是需要费点时间的。
				HTML5录音借鉴的网上的代码，但是下载下来却无法用，查阅了好多资料，终于在国外某网站上找到原因，原来是js函数废弃了，替换为新的js函数名即可。
HTML5录音的代码：http://www.it165.net/design/html/201406/2651.html
需修改的部分：
var HZRecorder = function (stream, config) {
				最近需要给自己开发的软件添加语音导航功能，百度+摸索终于实现了，不过比较简陋，分享出来供大家娱乐批评！
现在市场上的语音引擎不多，有微软SAPI、googgle、讯飞，经过多番比较最终决定使用微软SAPI 5.1，原因是免费，便于我集成到winform程序里。
首先，要实现微软的这个语音识别需要几个东西：
1.安装微软SAPI 5.1 SDK
2.安装中文语言包
这两个东西网上都可以下载
				首先，语音识别技术已经不是什么新鲜的词汇了，各大公司也提供了自己的语音识别API，据说百度、讯飞等公司的识别率已经达到99%。
最近我也想给网站加上一个语音识别功能，用于搜索词汇。我首选的是讯飞，毕竟人家是专业做语音的，但关于html5的SDK讯飞已经下架，无法使用人家现成的接口。
没办法只能使用百度的语音识别，百度语音识别，需要提供音频文件，格式为pcm、wav 、avr。所以需要做一个ht...
在System.Speech程序集中，微软增加了一些非常酷的东西：语音合成，将文本转换为语音的能力，以及语音识别，将语音识别成文本的能力。 我们将专注于本文中的语音合成，然后在下一章进行语音识别。
要将文本转换为语音，我们将使用SpeechSynthesizer类。 这个类在System.Speech程序集中，我们需要添加它以在我们的应用程序中使用它。 根据您使用的Visual Studio版本，该过程如下所示：
添加适当的程序集后，我们现在可以使用System.Speech.Synthesis
				在网上查了好久，后来终于用一位大佬的源码搞了出来，经这位大佬的同意，我把这个demo放上来，以方便以后有同样需求的人能够轻松的解决掉这个问题，不要像我一样这么苦呵呵的。
大佬的代码是winform，我放到了wpf上，代码都是一样的
MainWindow.xaml
<Window x:Class="TingXieB.MainWindow"
        xmlns="h...