हमारे .NET अनुप्रयोग में Google वॉइस खोज का उपयोग करना

Google Chrome ब्राउज़र में कुछ समय के लिए भाषण मान्यता उपलब्ध है। आप देख सकते हैं कि यह कैसा दिखता है, उदाहरण के लिए, यहां ।

चूंकि मूल क्रोमियम खुला है, इसलिए इस बात की जासूसी करने की स्वाभाविक इच्छा है कि क्या तकनीक का इस्तेमाल पृथ्वी पर शांति की शुरुआत के अपने स्वार्थी उद्देश्यों के लिए किया जा सकता है।

जैसा कि अक्सर होता है, इस लेख में हमारे लिए सब कुछ पहले से ही किया गया है। सब कुछ बहुत सरल हो जाता है, आपको पते पर POST अनुरोध करने की आवश्यकता है www.google.com/speech-api/v1/recognize FLAC या Speex प्रारूप में ऑडियो डेटा के साथ। हम C # का उपयोग करके WAVE फ़ाइलों की मान्यता का प्रदर्शन कार्यान्वित करते हैं।


मूल विषय के लेखक की तरह, हम Speex के साथ खिलवाड़ नहीं करेंगे। ध्वनि को वेव फॉर्मेट से FLAC में बदलने के लिए, मैंने Cuetools लाइब्रेरी का उपयोग किया। किसी कारण से, इसके कोड में एक अपवाद को फेंक दिया गया था जब दो को छोड़कर किसी भी संख्या में चैनलों के साथ FLAC को बचाने की कोशिश की जा रही थी, हालांकि, इस चेक को केवल टिप्पणी करके, Google द्वारा पूरी तरह से समझी जाने वाली मोनो फ़ाइलों को सुरक्षित रूप से सहेजा जाता है।

/// <summary>  wav-  flac </summary> /// <returns> </returns> public static int Wav2Flac(String wavName, string flacName) { int sampleRate = 0; IAudioSource audioSource = new WAVReader(wavName, null); AudioBuffer buff = new AudioBuffer(audioSource, 0x10000); FlakeWriter flakewriter = new FlakeWriter(flacName, audioSource.PCM); sampleRate = audioSource.PCM.SampleRate; FlakeWriter audioDest = flakewriter; while (audioSource.Read(buff, -1) != 0) { audioDest.Write(buff); } audioDest.Close(); audioDest.Close(); return sampleRate; } 

अगर किसी की इच्छा है, तो मुझे लगता है कि अस्थायी FLAC फ़ाइल को सहेजे बिना लागू करने के लिए कोई समस्या नहीं है, हम उदाहरण को जटिल नहीं करेंगे। मैंने केवल नोटिस किया कि Google ने 400 त्रुटि के साथ उच्च नमूना दर (44100) के साथ फाइलों पर प्रतिक्रिया दी। मैंने समस्याओं के बिना अधिकतम संभव आवृत्ति, 8 और 16 kHz के काम का निर्धारण नहीं किया।

Google Voice को क्वेरी करने की मुख्य विधि:

  public static String GoogleSpeechRequest(String flacName, int sampleRate) { WebRequest request = WebRequest.Create("https://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=ru-RU"); request.Method = "POST"; byte[] byteArray = File.ReadAllBytes(flacName); // Set the ContentType property of the WebRequest. request.ContentType = "audio/x-flac; rate=" + sampleRate; //"16000"; request.ContentLength = byteArray.Length; // Get the request stream. Stream dataStream = request.GetRequestStream(); // Write the data to the request stream. dataStream.Write(byteArray, 0, byteArray.Length); dataStream.Close(); // Get the response. WebResponse response = request.GetResponse(); dataStream = response.GetResponseStream(); // Open the stream using a StreamReader for easy access. StreamReader reader = new StreamReader(dataStream); // Read the content. string responseFromServer = reader.ReadToEnd(); // Clean up the streams. reader.Close(); dataStream.Close(); response.Close(); return responseFromServer; } 

हम यहां डेटासॉन्ट्रैक्टसन के माध्यम से JSON की प्रतिक्रिया का डिसेरलाइजेशन करेंगे। यहां, स्पष्ट रूप से, मैं मजबूत नहीं हूं, इसके अलावा, Google से परिणाम हमेशा फॉर्म में आए:

{"status":0,"id":"4531050901df65542082eacfebf3bb1b-1","hypotheses":[{"utterance":" ","confidence":0.89697623}]}

इसलिए, निम्नलिखित सरल deserialization काफी पर्याप्त था, मुझे टिप्पणी सुनने में खुशी होगी।

 [DataContract] public class RecognizedItem { [DataMember] public string utterance; [DataMember] public float confidence; } [DataContract] public class RecognitionResult { [DataMember] public string status; [DataMember] public string id; [DataMember] public RecognizedItem[] hypotheses; } public static RecognitionResult Parse(String toParse) { DataContractJsonSerializer ser = new DataContractJsonSerializer(typeof(RecognitionResult)); MemoryStream stream1 = new MemoryStream(ASCIIEncoding.UTF8.GetBytes(toParse)); RecognitionResult result= (RecognitionResult)ser.ReadObject(stream1); return result; } 

स्क्रीनशॉट पर, "बाइक खरीदें" को बिल्कुल सही ढंग से पहचाना गया था, "एक दो बार" को "1 2 रस" के रूप में मान्यता दी गई थी। सोर्स कोड आर्काइव यहाँ से डाउनलोड करें ।

तकनीक का आनंद लें जब तक आप इसे कवर नहीं करते, यह प्रतिबंध के बिना उपलब्ध है!