Question

我是Microsoft认知服务的新手。我想建立一个完全语音控制的webproject。对于语音控制，我使用的是arytom.js，这是一个非常简单和出色的API供我使用。对于TTS和STT，它对我来说很好。我现在要做的是，我想知道谁在说话并将其与数据库进行比较。我刚刚发现了由Microsoft开发的Speaker Recognition API。我已经有了一个API密钥，现在我想创建注册并将录制的语音样本与存储在Micrososft服务器上的语音进行比较。官方API的代码示例如下所示：

 <!DOCTYPE html>
<html>
<head>
    <title>JSSample</title>
    <script src="http://ajax.googleapis.com/ajax/libs/jquery/1.9.0/jquery.min.js"></script>
</head>
<body>

<script type="text/javascript">
    $(function() {
        var params = {
            // Request parameters
            "shortAudio": "{boolean}",
        };

        $.ajax({
            url: "https://westus.api.cognitive.microsoft.com/spid/v1.0/identify?identificationProfileIds={identificationProfileIds}&" + $.param(params),
            beforeSend: function(xhrObj){
                // Request headers
                xhrObj.setRequestHeader("Content-Type","application/octet-stream");
                xhrObj.setRequestHeader("Ocp-Apim-Subscription-Key","{subscription key}");
            },
            type: "POST",
            // Request body
            data: "{body}",
        })
        .done(function(data) {
            alert("success");
        })
        .fail(function() {
            alert("error");
        });
    });
</script>
</body>
</html>

根据Micrososft＆＃34; shortAudio＆＃34; ：如果您希望使用任意数量的语音时间开始识别，您应该包括＆＃34; shortAudio＆＃34;参数。它指示服务放弃进行识别所需的建议30秒音频。这样做时，您可以发送1秒长但不超过5分钟的音频文件。

我有一个＆＃34; Ocp-Apim-Subscription-Key，我必须把它放在Header中，但是如何将.wav文件发送到他们的服务器。有谁知道，如何开始使用这个API。不幸的是，微软没有关于它的真实文档。

更新：现在我知道，我必须将.wav文件转换为二进制文件。有人有一个示例代码，如何使用此API进行调用？

提前谢谢！

Answer 1

二进制数据需要是特定格式的WAV文件：

容器：WAV
编码：PCM
费率：16K
样本格式：16位
频道：Mono

你可以在这里查看一个工作示例网页 - 我使用了一个改进的recorderjs副本（通过反向工程改进了Speaker Recognition API示例页面）来获得正确的比特率和采样率WAV：

https://rposbo.github.io/speaker-recognition-api/

如何使用Microsoft认知服务 - 说话人识别API

1 个答案: