一、云狐簡介
云狐語音識別軟件是基于百度智能云,由進擊的狐貍進行開發(fā)的一款軟件。注意,因為核心類代碼是2017年就已經(jīng)寫好的了,所以使用的C#SDK包不是最新的。云狐目前支持的平臺是Windows系統(tǒng)平臺,使用時需要安裝微軟最新的.netframework。云狐的主要功能是長時間的語音識別,支持時長超過一分鐘的各種類型的語音文件識別,缺點就是速度較慢一些。
另外,云狐和云貓實際上是姐妹軟件,因為他們都是基于百度智能云,用C#進行開發(fā)的,使用的是百度最新的人工智能技術(shù)。而且他們目前都是免費的。這里聯(lián)動一下,對云貓OCR和云狐語音感興趣的同學(xué),可以百度搜索“云貓OCR”或“云狐語音”進行了解。
二、云狐的簡單評測
云狐軟件自帶有計時功能,我們可以簡單做一下評測。從上文視頻演示的結(jié)果可以看出,1分鐘左右的語音文件,云狐可以在10秒以內(nèi)識別完畢,而30分鐘左右的語音文件,云狐需要120秒即2分鐘左右,才能識別完畢。從中推算出識別速度大概是4秒/分鐘。
三、云狐軟件的代碼原理
百度智能云給出的長語音識別接口只支持一分鐘以內(nèi)的語音文件的識別。而對于超過一分鐘的語音文件識別,我們需要怎么做呢?
云狐軟件的原理就是:把超過一分鐘的文件進行切片,切成若干個小于或者等于一分鐘時長的語音文件。對每個切片文件調(diào)用百度云語音識別接口進行識別,再把結(jié)果串聯(lián)起來即可。
四、云狐的代碼簡明解析
(一)核心類foxSpeechDemo
上面的代碼是根據(jù)百度SDK包文檔,進行少量改動實現(xiàn)的。注意為了簡便,這里貼出的代碼段可能跟具體的云狐實現(xiàn)代碼有一些出入。
不是任何一個語音文件都可以交給百度智能云直接識別。文件需要預(yù)處理,不然識別效果會很差。具體來說,作者用FFmpeg對語音文件進行預(yù)處理,然后再用百度接口識別。FFmpeg的命令行預(yù)處理類似下面的形式:
ffmpeg-y-i003_16k.wav-acodecpcm_s16le-fs16le-ac1-ar1600016k.pcm
(二)預(yù)處理的輔助函數(shù)
共有大概4個關(guān)于預(yù)處理的輔助函數(shù),代碼如下:
1.此函數(shù)的主要功能是用C#程序自動執(zhí)行命令行語句,它可執(zhí)行任何語句的命令行,stringcmdStr是形參,可以將命令行語句賦值給cmdStr進行執(zhí)行。
2.此函數(shù)表示利用ffprobe命令行獲取語音文件的時長信息,以便對語音文件進行分割,注意返回值是整形變量。比如語音時長有1.5分鐘,這個函數(shù)就會返回2,以此類推。
3.此函數(shù)主要功能是對語音文件進行分割,時間單位是秒。比如我有一個2分鐘的語音文件,程序就把這個文件分成2塊,每塊60秒即1分鐘,以此類推。
4.此函數(shù)的主要功能是把切片文件轉(zhuǎn)換成百度云能夠進行正常識別的文件格式。
(三)主函數(shù)的代碼邏輯
上面是主函數(shù)里面的核心代碼段,里面有很多的注釋,大家可以仔細看看。主要功能就是整合預(yù)處理輔助函數(shù)的作用,把文件切片并轉(zhuǎn)換格式,最后提交給百度智能云進行識別,并對識別結(jié)果進行解析,把json轉(zhuǎn)換成對人類友好的文本格式。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
