Question

我正在编写一个应该接收音频并将其发送到Bing Recognition API以获取文本的应用程序。我使用了服务库，它可以使用wav文件。所以我编写了自己的流类来接收来自麦克风或网络（RTP）的音频，并将其发送到识别API。当我在音频流前添加一个WAV标题时，它可以工作几秒钟。

调试显示，识别api读取表单流的速度比音频源填充的速度快（16k采样率，16位，单声道）。

所以我的问题是：有没有办法将识别api用于实时（连续）音频流？

我知道有一个麦克风客户端的示例，但它仅适用于麦克风，我需要它用于不同的来源。

Answer 1

我找到了解决问题的方法。我编写了一个继承自流的类AudioStream，它缓冲输入并在调用Read方法并且其缓冲区为空时等待。这可以防止识别器停止，因为read方法总是返回值＆gt; 0。以下是此类的重要部分代码：

public class AudioStream : Stream {
private AutoResetEvent _waitEvent = new AutoResetEvent(false);

internal void AddData(byte[] buffer, int count) {
    _buffer.Add(buffer, count);
    // Enable Read
    _waitEvent.Set();
}
public override int Read(byte[] buffer, int offset, int count) {
    int readCount = 0;
    if ((_buffer.Empty) {
        // Wait for input
        _waitEvent.WaitOne();
    }
    ......
    // Fill buffer from _buffer;

    _waitEvent.Reset();
    return length;
}
protected override void Dispose(bool disposing) {
    // Make sure, that there is no waiting Read
    // Clear buffer, dispose wait event etc.
}
......

}

由于音频数据是连续接收的，因此Read方法不会“挂起”超过几毫秒（例如，所有20 ms都会收到RTP包）。

Answer 2

如果您想使用麦克风以外的其他来源，可以通过调用DataRecognitionClient的SendAudio方法使用SpeechRecognitionServiceFactory课程。拥有客户端对象后，您可以从任何来源获取音频 - 麦克风，网络，从文件中读取等 - 并将其发送给客户端SendAudio方法进行处理。当您收到每个音频缓冲区时，您会对SendAudio进行新的调用。

在您使用OnPartialResponse发送音频的过程中，您将以客户端EndAudio事件的形式实时（或关闭）获得部分识别结果

当您完成发送音频后，您会通过致电OnResponseReceived向客户发出信号，告知您已为最终识别结果做好准备。然后，您应该从客户端收到包含最终识别假设的{{1}}事件。

Answer 3

添加有关此主题的其他支持信息：流实现必须支持并发读/写操作，并在没有数据时阻止。

是否可以将实时数据发送到Bing语音识别？

3 个答案: