C# 中的语音识别、语音转文本、文本转语音和语音合成

• 下载带演示应用程序的源代码 - 28.5 KB
• 下载不带演示应用程序的源代码 - 4.4 KB

目录

• 免责声明
• 引言
• C# 中的语音识别
  • 语音识别
  • 语音被拒绝
• 确保计算机能与您对话（文本转语音）
• 模拟语音识别
• SpeechRecognizer 与 SpeechRecognitionEngine
• 语法构建的其他技术
  • 选择
  • 选择和 GrammarBuilder.Append
  • 听写：识别所有语音
• 提示构建
• 训练您的语音识别引擎
• 历史

免责声明

如果代码对您不起作用，则某些语音功能未安装或未启用。如果您没有英文版 Windows 或非英语语音识别，则可以使用本文中的所有代码，但需要将所有单词更改为您的语音识别器所支持的语言。

根据 MSDN[^]，SpeechRecognitionEngine 类在 .NET 4.5、4、3.5、3.0 和 .NET 4 客户端配置文件中可用，支持的 Windows 版本包括：

• Windows 8
• Windows Server 2012
• Windows 7
• Windows Vista SP2
• Windows Server 2008（不支持服务器核心角色）
• Windows Server 2008 R2（服务器核心角色支持 SP1 或更高版本；不支持 Itanium）。

  ---

• Windows Vista SP1 或更高版本
• Windows Server 2008（不支持服务器核心）
• Windows Server 2008 R2（服务器核心支持 SP1 或更高版本）
• Windows Server 2003 SP2

  ---

• Windows XP SP2
• Windows Server 2008 R2
• Windows Server 2008
• Windows Server 2003

  ---

• Windows 98, Windows Server 2000 SP4
• Windows CE
• Windows Millennium Edition
• Windows Mobile for Pocket PC
• Windows Mobile for Smartphone
• Windows XP Media Center Edition
• Windows XP Professional x64 Edition
• Windows XP SP2
• Windows XP Starter Edition

斜体显示的平台仅在更改页面上的 .NET Framework 版本（使用 MSDN 页面顶部的“其他框架”链接）后，才会显示在 MSDN 页面上。请注意：SpeechRecognitionEngine 类在 .NET for Windows Store 应用中**不可用**。

引言

在本文中，我将介绍如何使用 System.Speech 库在 C# 中编程实现语音识别、语音转文本、文本转语音和语音合成。

C# 中的语音识别

语音识别

要使用 C# 创建一个具有语音识别功能的程序，需要添加 System.Speech 库。然后，在代码文件的顶部添加此 using 命名空间声明：

using System.Speech.Recognition;
using System.Speech.Synthesis;
using System.Threading;

然后，创建一个 SpeechRecognitionEngine 实例：

SpeechRecognitionEngine _recognizer = new SpeechRecognitionEngine();

接下来，需要将语法加载到 SpeechRecognitionEngine 中。如果不这样做，语音识别器将无法识别短语。例如，添加一个包含短语“test”的语法，并将该语法命名为“testGrammar”：

_recognizer.LoadGrammar(new Grammar(new GrammarBuilder("test")) { Name = "testGrammar" }); // load a grammar "test"

或者

Grammar gr = new Grammar(new GrammarBuilder("test"));
gr.Name = "testGrammar";
_recognizer.LoadGrammar(gr);

如果您不想给语法命名，可以这样做：

_recognizer.LoadGrammar(new Grammar(new GrammarBuilder("test"))); // load a "test" grammar

只有当您想在程序中卸载语法时，才需要添加名称。要异步加载语法，请使用 LoadGrammarAsync 方法。如果您想在识别器运行时加载语法，请在加载语法之前调用 RequestRecognizerUpdate 方法[^]，并在 RecognizerUpdateReached[^] 事件处理程序中加载语法。

然后，添加此事件处理程序：

 _recognizer.SpeechRecognized += _recognizer_SpeechRecognized; 

如果语音被识别，将调用 _recognizer_SpeechRecognized 方法。因此，我们需要创建该方法。当程序识别出短语“test”时，您可以显示“The test was successful!”。为此，请使用此代码：

void _recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
     if (e.Result.Text == "test") // e.Result.Text contains the recognized text
     {
         Console.WriteLine("The test was successful!");
     } 
} 

如注释行所示，e.Result.Text 包含识别出的文本。如果您有多个语法，这很有用。但是，语音识别器尚未启动。要启动它，请在 _recognizer.SpeechRecognized += _recognizer_SpeechRecognized 行之后添加此代码：

_recognizer.SetInputToDefaultAudioDevice(); // set the input of the speech recognizer to the default audio device
_recognizer.RecognizeAsync(RecognizeMode.Multiple); // recognize speech asynchronous

现在，如果我们将所有方法合并，将得到以下代码：

static void Main(string[] args)
{
     SpeechRecognitionEngine _recognizer = new SpeechRecognitionEngine();
     _recognizer.LoadGrammar(new Grammar(new GrammarBuilder("test")) Name = { "testGrammar" }); // load a grammar
     _recognizer.SpeechRecognized += _recognizer_SpeechRecognized; 
     _recognizer.SetInputToDefaultAudioDevice(); // set the input of the speech recognizer to the default audio device
     _recognizer.RecognizeAsync(RecognizeMode.Multiple); // recognize speech asynchronous
} 
void _recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
     if (e.Result.Text == "test") // e.Result.Text contains the recognized text
     {
         Console.WriteLine("The test was successful!");
     } 
} 

如果运行此代码，它将不起作用。程序将立即结束。因此，我们必须确保程序在语音识别完成之前不会停止。我们需要创建一个名为 _completed 的 ManualResetEvent（System.Threading.ManualResetEvent），并在语音识别完成后调用 Set 方法，然后程序将结束。我还加载了一个“exit”语法。如果用户说“exit”，我们将调用 Set 方法。由于存在两个线程，主线程和语音识别线程，因此我们可以暂停主线程，直到语音识别线程完成。在语音识别完成后，我们释放语音识别引擎（最坏可能需要 3 秒，最好 50 毫秒）。

static ManualResetEvent _completed = null;
static void Main(string[] args)
{
     _completed = new ManualResetEvent(false);
     SpeechRecognitionEngine _recognizer = new SpeechRecognitionEngine();
     _recognizer.LoadGrammar(new Grammar(new GrammarBuilder("test")) Name = { "testGrammar" }); // load a grammar
     _recognizer.LoadGrammar(new Grammar(new GrammarBuilder("exit")) Name = { "exitGrammar" }); // load a "exit" grammar
     _recognizer.SpeechRecognized += _recognizer_SpeechRecognized; 
     _recognizer.SetInputToDefaultAudioDevice(); // set the input of the speech recognizer to the default audio device
     _recognizer.RecognizeAsync(RecognizeMode.Multiple); // recognize speech asynchronous
     _completed.WaitOne(); // wait until speech recognition is completed
     _recognizer.Dispose(); // dispose the speech recognition engine
} 
void _recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
     if (e.Result.Text == "test") // e.Result.Text contains the recognized text
     {
         Console.WriteLine("The test was successful!");
     } 
     else if (e.Result.Text == "exit")
     {
         _completed.Set();
     }
}

如果您正在编写 Windows 应用程序，则无需创建 ManualResetEvent，因为 UI 线程只有在用户关闭窗体时才会结束。

要卸载语法，请在语音识别引擎中使用 UnloadGrammar 方法；要卸载所有语法，请使用 UnloadAllGrammars 方法。如果识别器正在运行，请不要忘记调用 RequestRecognizerUpdate 方法，并在 RecognizerUpdateReached 事件处理程序中加载语法。
例如，卸载“test”语法：

foreach (Grammar gr in _recognizer.Grammars)
{
       if (gr.Name == "testGrammar")
       {
             _recognizer.UnloadGrammar(gr);
             break;
       }
} 

1. 像这样创建并加载语法：

   Grammar testGrammar = new Grammar(new GrammarBuilder("test"));
   _recognizer.LoadGrammar(testGrammar);  
   

2. 然后，您可以像这样卸载语法：
3. _recognizer.UnloadGrammar(testGrammar);

如果您使用第二种方式卸载语法，那么您必须确保所有访问修饰符都正确。第一种方式是最简单的，因为如果您使用第一种方式，则访问修饰符无关紧要。

语音被拒绝

如果您向 SpeechRecognitionEngine 添加 SpeechRecognitionRejected 事件处理程序，则可以显示语音识别引擎找到的候选短语。首先，添加 SpeechRecognitionRejected 事件处理程序：

_recognizer.SpeechRecognitonRejected += _recognizer_SpeechRecognitionRejected;  

然后，创建 _recognizer_SpeechRecognitionRejected 函数：

static void _recognizer_SpeechRecognitionRejected(object sender, SpeechRecognitionRejectedEventArgs e)
{
   if (e.Result.Alternates.Count == 0)
   {
     Console.WriteLine("Speech rejected. No candidate phrases found.");
     return;
   }
   Console.WriteLine("Speech rejected. Did you mean:");
   foreach (RecognizedPhrase r in e.Result.Alternates)
   {
    Console.WriteLine("    " + r.Text);
   }
}

此函数在语音识别被拒绝时显示语音识别引擎找到的所有候选短语。

确保计算机能与您对话（文本转语音）

在同一个库中，有一个名为 System.Speech.Synthesis 的命名空间。在该命名空间中，您会找到一个名为 SpeechSythesizer 的类，该类中有一个 Speak 方法。在代码文件的顶部添加命名空间，然后尝试这样做：

SpeechSynthesizer _synthesizer = new SpeechSynthesizer();
_synthesizer.Speak("Now the computer is speaking to you.");

如果您运行代码，计算机将说：“Now the computer is talking to you.”（现在计算机正在与您对话）。如果您知道这一点，则可以使用语音识别代码，但将测试语法替换为以下语法：

_recognizer.LoadGrammar(new Grammar(new GrammarBuilder("hello computer"))); // load a grammar

并在 _recognizer_SpeechRecognizer 方法中添加此代码：

void _recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
     if (e.Result.Text == "hello computer") // e.Result.Text contains the recognized text
     {
         SpeechSynthesizer synthesizer = new SpeechSynthesizer();
         synthesizer.Speak("hello user");
         synthesizer.Dispose(); // dispose the SpeechSynthesizer
     }
     _completed.Set();
}  

使用 SpeechSynthesizer.Dispose 来释放 SpeechSynthesizer。现在，如果您说“hello computer”，计算机将响应“hello user”。

模拟语音识别

使用 SpeechRecognitionEngine 模拟语音识别也是可能的。您可以使用 EmulateRecognize 方法来实现这一点，要异步执行，请使用 EmulateRecognizeAsync 方法：

RecognitionResult result = _recognizer.EmulateRecognize("test"); // not asynchronous, this does NOT invoke the _recognizer_SpeechRecognized method, because EmulateRecognize returns a RecognitionResult

_recognizer.EmulateRecognizeAsync("test"); // asynchronous, invokes the _recognizer_SpeechRecognized method; the return type of EmulateRecognizeAsync is 'void'

但请注意：如果语音识别引擎正在识别语音，则无法模拟语音识别。因此，您需要在调用 RecognizeAsync 方法之前调用此方法。您也可以在引擎完成语音识别后执行此操作。

SpeechRecognizer 与 SpeechRecognitionEngine

在本文中，我使用了 SpeechRecognitionEngine 类。还有一个 SpeechRecognizer 类。那么，SpeechRecognizer 类和 SpeechRecognitionEngine 类有什么区别？如果您使用 SpeechRecognizer 类，您将看到 Windows 语音识别器。

如果您使用 SpeechRecognitionEngine 类，您将不会看到 Windows 语音识别器。SpeechRecognitionEngine 是 SpeechRecognizer 的引擎。此外，SpeechRecognizer 类不包含 SetInputToDefaultAudioDevice 和 RecognizeAsync 方法。

语法构建的其他技术

选择

如果您加载更多语法，可以这样做（这里我们加载短语“dog”、“cat”和“snake”）:

_recognizer.LoadGrammar(new Grammar(new GrammarBuilder(new Choices("dog","cat","snake"))) { Name = "animalGrammar" });

优点

• 代码更易读。
• UnloadAllGrammars 函数速度更快。

缺点

• 如果您卸载单个语法，则会卸载多个短语。

您也可以结合使用这两种方式来加载语法。例如，您可以使用 Choices 将“dog”、“cat”、“snake”等短语加载到单个语法中，因为它们都是动物。但是，如果您想卸载单个短语，请仅构建包含单个短语的语法。我们可以使用 Add 方法而不是传递所有短语作为参数：

Choices animalChoices = new Choices();
animalChoices.Add("dog");
animalChoices.Add("cat");
animalChoices.Add("snake");

或者

Choices animalChoices = new Choices();
animalChoices.Add("dog", "cat", "snake"); 

选择和 GrammarBuilder.Append

您可能希望加载完整的短语，例如“I like dogs”（我喜欢狗）、“I dislike dogs”（我不喜欢狗）、“I like cats”（我喜欢猫）、“I dislike cats”（我不喜欢猫）等等。分别加载所有短语不是一个好主意。使用 GrammarBuilder.Append 方法，我们可以将 Choices 追加到语法生成器：

SpeechRecognitionEngine _recognizer = new SpeechRecognitionEngine();
GrammarBuilder grammarBuilder = new GrammarBuilder();
grammarBuilder.Append("I"); // add "I"
grammarBuilder.Append(new Choices("like", "dislike")); // load "like" & "dislike"
grammarBuilder.Append(new Choices("dogs", "cats", "birds", "snakes", 
   "fishes", "tigers", "lions", "snails", "elephants")); // add animals
_recognizer.LoadGrammar(new Grammar(grammarBuilder)); // load grammar
_recognizer.SpeechRecognized += _recognizer_SpeechRecognized;
_recognizer.SetInputToDefaultAudioDevice(); // set input to default audio device
_recognizer.RecognizeAsync(RecognizeMode.Multiple); // recognize speech

如果用户说“I like dogs”，将调用 _recognizer_SpeechRecognized。如果用户说“I like cats”、“I like birds”、“I dislike snails”等，也将调用它。现在，我们可以创建 _recognizer_SpeechRecognized 函数。如果用户说“I like cats”，则控制台将显示“Do you really like cats?”，如果用户说“I dislike cats”，则控制台将显示“Do you really dislike cats?”。e.Result.Words[0].Text 是说出的第一个词。

static void speechRecognitionWithChoices_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
     Console.WriteLine("Do you really " + e.Result.Words[1].Text + 
             " " + e.Result.Words[2].Text + "?");
     manualResetEvent.Set();
}

听写：识别所有语音

如果您使用 DictationGrammar，您的程序将使用 Windows 桌面语音技术识别所有语音。您可以添加 DictationGrammar 和一个“exit”语法：

SpeechRecognitionEngine _recognizer = new SpeechRecognitionEngine();
_recognizer.LoadGrammar(new Grammar(new GrammarBuilder("exit")));
_recognizer.LoadGrammar(new DictationGrammar());
_recognizer.SpeechRecognized += _recognizer_SpeechRecognized;
_recognizer.SetInputToDefaultAudioDevice(); // set input to default audio device
_recognizer.RecognizeAsync(RecognizeMode.Multiple); // recognize speech 

以及 _recognizer_SpeechRecognized 方法：

static void _recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
    if (e.Result.Text == "exit")
    {
        manualResetEvent.Set();
        return;
    }
    Console.WriteLine("You said: " + e.Result.Text);
}

new DictationGrammar() 返回一个由 Windows 桌面语音技术提供的标准听写语法的实例。

提示构建

使用 System.Speech.Synthesis.PromptBuilder，您可以为 SpeechSynthesizer 构建提示。您可以使用 PromptBuilder 添加停顿、样式、句子等。
使用 StartSentence 和 EndSentence 方法，您可以指示句子的开始和结束：

PromptBuilder builder = new PromptBuilder();

builder.StartSentence();
builder.AppendText("This is a sentence.");
builder.EndSentence();

SpeechSynthesizer synthesizer = new SpeechSynthesizer();
synthesizer.Speak(builder);
synthesizer.Dispose();

使用 AppendBreak 方法，您可以添加一个停顿：

PromptBuilder builder = new PromptBuilder();

builder.StartSentence();
builder.AppendText("This is a sentence.");
builder.EndSentence();

builder.AppendBreak(new TimeSpan(0, 0, 1)); // a break of 1 second

builder.StartSentence();
builder.AppendText("This is another sentence.");
builder.EndSentence();

SpeechSynthesizer synthesizer = new SpeechSynthesizer();
synthesizer.Speak(builder);
synthesizer.Dispose();

使用 StartStyle 和 EndStyle 方法，您可以在 PromptBuilder 中指示样式（例如：大声、快速）：

PromptBuilder builder = new PromptBuilder();

builder.StartStyle(new PromptStyle(PromptRate.Fast));
builder.AppendText("This text is spoken fast.");
builder.EndStyle();

builder.StartStyle(new PromptStyle(PromptVolume.ExtraSoft));
builder.AppendText("This text is spoken extra soft.");
builder.EndStyle();

SpeechSynthesizer synthesizer = new SpeechSynthesizer();
synthesizer.Speak(builder);
synthesizer.Dispose();

使用 StartVoice 和 EndVoice 方法，您可以指示声音，如果已安装：

PromptBuilder builder = new PromptBuilder();

builder.StartVoice(VoiceGender.Male, VoiceAge.Child);
builder.AppendText("This is a male child voice, if installed.");
builder.EndVoice();

SpeechSynthesizer synthesizer = new SpeechSynthesizer();
synthesizer.Speak(builder);
synthesizer.Dispose();

在我的计算机上，只安装了一个声音。因此，如果我使用 StartVoice 方法尝试其他声音，我将无法获得其他声音。

训练您的语音识别引擎

在评论中经常会问到一个问题：如何训练您的语音识别引擎？很遗憾，无法通过代码实现。但是您可以通过 Windows 语音识别来训练它：

1. 打开控制面板
2. 转到轻松使用
3. 选择语音识别
4. 然后选择训练您的计算机以更好地理解您

然后您将看到此表单：
按下一步，然后开始训练。大声说出句子：

历史

• 2015 年 12 月 8 日：根据 George I. Birbilis 的指出，修复了与 RequestRecognizerUpdate 相关的错误。
• 2014 年 3 月 26 日：修复了 no-exe zip 的问题。
• 2014 年 3 月 24 日：更新了关于 RequestRecognizerUpdate() 的信息。
• 2014 年 3 月 1 日：添加了训练您的语音识别引擎。
• 2013 年 6 月 12 日：更新了模拟语音识别。
• 2013 年 4 月 2 日：添加了提示构建。
• 2013 年 1 月 18 日：修复了错误，并添加了 VB.NET 下载。
• 2013 年 1 月 16 日：添加了识别所有语音，添加了目录。
• 2013 年 1 月 5 日：更新了免责声明，在确保计算机能与您对话段落中添加了额外信息，并修复了下载文件中的错误。
• 2013 年 1 月 1 日：更新了免责声明。
• 2012 年 12 月 27 日：“Another technique on grammar building”重命名为“Other techniques on grammar building”，并将“Choices and GrammarBuilder.Append”添加到“Other techniques on grammar building”中。
• 2012 年 12 月 20 日：添加了“Another technique on grammar building”和“Speech rejected paragraph”，并在“Speech recognition in C#”段落中添加了额外信息。
• 2012 年 12 月 13 日：更新了免责声明。
• 2012 年 11 月 18 日：更新了SpeechRecognizer vs. SpeechRecognitionEngine 段落。
• 2012 年 11 月 16 日：添加了SpeechRecognizer vs. SpeechRecognitionEngine 段落。
• 2012 年 10 月 27 日：这是文章的第二个版本。我添加了下载文件（这是 Sandeep Mewara 的建议）。我修复了一个小错误，并在Emulate speech recognition 段落中添加了额外信息。
• 2012 年 10 月 27 日：第一个版本。