微软认知服务-语音识别相关

微软认知服务

在csdn上面看到有微软认知服务的试用，之前正好因为一些需求，接触到了这块的一些东西，正好总结一下，之前使用的是国外的账号，这个登录以后看到是国内世纪互联运营的国内的azure，在识别这块应该针对中文方面有更好的适配

0元试用微软 Azure人工智能认知服务，精美礼品大放送（https://bbs.csdn.net/topics/601636817）

提供了下面的服务

使用Azure认知服务免费提供的AI服务（包括语音转文本、文本转语音、语音翻译、文本分析、文本翻译、语言理解）
我们来一个个的试用提供的功能

语音转文本

语音转文本的需求之前遇到过，看视频教程的时候，如果能够提前拿到整个声音的文字的内容，然后大概的过一遍，这样看视频的时候就更好了，就跟我们读书的时候，老师讲教材的内容，我们看重点关注的地方，而不用讲完了还在想刚刚漏了什么

还有个需求就是开会的时候，可以录下来，然后把会议记录转成文字的，虽然目前有很多硬件设备能够完成这个，但是拿个手机就可以录是最方便的，然后再处理下形成文字的版本
有新的电影，字幕还没有出来，想看下，自己做字幕，还有很多方面的，应用，需要实现的就是把一段语音转换成文本

服务就部署完成了

转到服务

这里就是这个服务的节点了，那个密钥与终结点就是后面需要用的一些信息

官方有一些参考手册，但是很多坑可能不会写出来，这里我用我能够跑通的进行记录，比如在centos7和centos8上面的python的sdk就有问题，但是ubuntu就没有问题，这里我们用ubuntu的环境做测试

安装和导入语音sdk

sdk就是一些封装好的东西，我们去调用就行，这个地方我对python的熟悉一些就使用python去操作
环境使用的是ubuntu18

pip3 install azure-cognitiveservices-speech

对音频有一定的要求

root@ubuntu-virtual-machine:~/rec# file voice.wav
voice.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 48000 Hz
root@ubuntu-virtual-machine:~/rec# file whatstheweatherlike.wav
whatstheweatherlike.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 16000 Hz

注意开头静音控制

import azure.cognitiveservices.speech as speechsdk

def from_file():
    speech_config = speechsdk.SpeechConfig(subscription="xxxxxxxxxxxxx",endpoint="https://chinaeast2.api.cognitive.azure.cn/sts/v1.0/issuetoken")
    speech_config.speech_recognition_language="zh-cn"
    #audio_input = speechsdk.AudioConfig(filename="whatstheweatherlike.wav")
    audio_input = speechsdk.AudioConfig(filename="voice.wav")
    speech_recognizer = speechsdk.SpeechRecognizer(speech_config=speech_config, audio_config=audio_input)
    result = speech_recognizer.recognize_once_async().get()
    if result.reason == speechsdk.ResultReason.RecognizedSpeech:
        print("Recognized: {}".format(result.text))
    elif result.reason == speechsdk.ResultReason.NoMatch:
        print("No speech could be recognized: {}".format(result.no_match_details))
    elif result.reason == speechsdk.ResultReason.Canceled:
        cancellation_details = result.cancellation_details
        print("Speech Recognition canceled: {}".format(cancellation_details.reason))
        if cancellation_details.reason == speechsdk.CancellationReason.Error:
            print("Error details: {}".format(cancellation_details.error_details))

    print(result.text)

from_file()

提供音频的例子
准备找个新闻联播的来识别
注意开头不能静音太久，会有问题，应该有参数控制