百度语音识别、语音合成，NAudio录音（C#）

调用API

调用百度语音识别API实现语音识别（ASR）与语音合成（TTS），分别需要发送一个HTTP请求。

Note: 在发送ASR或者TTS请求前，首先需要获取Access Token；

1. 获取Token 通过百度开发者账号获取到key与secret key，然后通过以下请求得到token；

   //Access Token（每次获取后，有效期：一个月）

   string getAccessUrl = $”https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id={speechModel.APIKey}&client_secret={speechModel.APISecretKey}”;

   eg： https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=yourKey&client_secret=yourSecretKey

2. 语音识别

   //ASR: Automatic Speech Recognition（须在发送请求时写入音频数据）

   string getTextUrl = $”http://vop.baidu.com/server_api?lan={speechModel.APILanguage}&cuid={speechModel.APIID}&token={speechModel.APIAccessToken}”;

   eg： http://vop.baidu.com/server_api?lan=en&cuid=402&token=24.fd8c2088ac28b2722403c1acc36797e9.2592000.1487243775.282335-8317833

3. 语音合成

   //TTS: Text To Speech（直接返回.mp3）

   string requestStr = $”http://tsn.baidu.com/text2audio?tex={text}&lan={speechModel.APILanguage}&per={speechModel.APIPerson}&ctp={speechModel.APIClientType}&cuid={speechModel.APIID}&tok={speechModel.APIAccessToken}&spd={speechModel.APISpeed}&pit={speechModel.APIPitch}&vol={speechModel.APIVolume}”;

   eg： http://tsn.baidu.com/text2audio?tex=集齐五福，召唤神龙！&lan=zh&cuid=402&ctp=1&tok=24.fd8c2088ac28b2722403c1acc36797e9.2592000.1487243775.282335-8317833

说明

• 以上的请求字符串采用C#格式，主要是因为在Windows客户端，通过Winform简单实现了语音识别、语音合成；
• 采用NAudio、Microsoft.DirectX两种方式实现录音；
• 另外，利用NAudio实现音频格式的转换（MP3—>WAV，原因是当前百度语音识别API要求：8k/16k, 16bit位深, 单声道WAV）；
• 通过WinMm.dll的mciSendString(…)实现音频的播放、停止等控制；
• 上述链接中的token自生成时刻起，有效期一个月，过期后可再次通过自己key与secret key获取。

实现

程序界面：

Source Code: Github

If you have any questions or any bugs are found, please feel free to contact me.

Your comments and suggestions are welcome!