Unity接入百度语音识别SDK windows平台

1.先注册百度开放平台的账号，然后按文档申请试用资格及创建应用：https://ai.baidu.com/ai-doc/SPEECH/qknh9i8ed

 Windows平台选择“不需要”就可以了。

2.下载C# SDK包

解压以后里面包含这两个文件夹，我工程里面用的是net45，将文件夹放入unity Assets/Plugins文件夹下：

对应unity的Api Compatibility Level属性设置要改为.NET 4.X，设置路径为PlayerSetting-OtherSetting-Configuration-Api Compatibility Level

至此百度语音SDK导入完毕，目前我自己总结了两种方式去实现语音识别的方式：

第一种是用unity的UnityWebRequest去实现，是看的一位博主的教程，链接地址是：Unity百度语音识别-CSDN博客

第二种是看官方文档以后获取SDK的接口来实现的，具体实现方式如下：

在Git上下载了SDK源码进行学习，代码里面有具体功能实现的对应接口，源码地址：GitHub - Baidu-AIP/dotnet-sdk: 百度AI开放平台 .Net SDK

下载完毕解压后如下图，从Git的说明文档上可知speech文件夹中即是语音识别的代码：

在Asr类中，找到“识别语音数据”的方法接口JObject Recognize

byte[] data：音频数据；

string format：音频格式；

int rate：采样频率；

options：语言类型，默认为1537普通话，还支持粤语、四川话、英语等，具体看官方文档介绍。

 

1.进行录音采集保存

 void StartRecord()
    {
        Debug.LogError("开始");
        saveAudioClip = Microphone.Start(currentDeviceName, false, recordMaxTime, recordFrequency);
    }

2.对录音进行转换，将音频转换为Byte文件

 

 public byte[] ConvertClipToBytes(AudioClip audioClip)
    {
        float[] samples = new float[audioClip.samples];
        audioClip.GetData(samples, 0);
        short[] intData = new short[samples.Length];
        byte[] bytesData = new byte[samples.Length * 2];
        int rescaleFactor = 32767;

        for (int i = 0; i < samples.Length; i++)
        {
            intData[i] = (short)(samples[i] * rescaleFactor);
            byte[] byteArr = new byte[2];
            byteArr = BitConverter.GetBytes(intData[i]);
            byteArr.CopyTo(bytesData, i * 2);
        }
        return bytesData;
    }

 3.转换完毕通过SDK接口发送

var result = asr.Recognize(ConvertClipToBytes(saveAudioClip),"pcm", recordFrequency,languageType);

4.将返回的数据转换为字符串，并用正则表达式提取自己想要的信息

string str = JsonConvert.SerializeObject(result, Formatting.None);
       
        if (!string.IsNullOrEmpty(str))
        {
            if (Regex.IsMatch(str, @"err_msg.:.success"))
            {
                Match match = Regex.Match(str, "result.:..(.*?)..]");
                if (match.Success)
                {
                    str = match.Groups[1].ToString();
                }
            }
            else
            {
                str = "识别结果为空";
            }
            tex.text = str;
        }

完整代码如下： 

 偷懒写的代码不牢固，result在获取的时候有可能会出现NULL值，所以你们可以用Try Catch做一下容错

using System.Collections;
using System.Collections.Generic;
using System.Text.RegularExpressions;
using UnityEngine;
using UnityEngine.UI;
using UnityEngine.Networking;
using System;
using Baidu.Aip.Speech;
using Newtonsoft.Json;

public class Test : MonoBehaviour
{
    public string app_id;
    public string api_key;
    public string secret_Key;
    public Asr asr;
    string accessToken = string.Empty;
    int recordFrequency = 8000; //录音频率
    int recordMaxTime = 20;//最大录音时长
    AudioClip saveAudioClip;//存储当前录音的片段
    AudioSource source;
    string currentDeviceName = string.Empty;
    Text tex;
    Dictionary<string, object> languageType = new Dictionary<string, object>();

    // Start is called before the first frame update
    void Start()
    {
        saveAudioClip = this.transform.GetComponent<AudioClip>();
        source = this.transform.GetComponent<AudioSource>();
        tex = GameObject.Find("Canvas/ResultTex").GetComponent<Text>();
        asr = new Asr(app_id, api_key, secret_Key);
        languageType.Add("dev_pid", 1537);
    }

    // Update is called once per frame
    void Update()
    {
        if (Input.GetKeyDown(KeyCode.Space))
        {
            StartRecord();
        } else if (Input.GetKeyUp(KeyCode.Space))
        {
            EndRecord();
        }
    }

    public byte[] ConvertClipToBytes(AudioClip audioClip)
    {
        float[] samples = new float[audioClip.samples];
        audioClip.GetData(samples, 0);
        short[] intData = new short[samples.Length];
        byte[] bytesData = new byte[samples.Length * 2];
        int rescaleFactor = 32767;

        for (int i = 0; i < samples.Length; i++)
        {
            intData[i] = (short)(samples[i] * rescaleFactor);
            byte[] byteArr = new byte[2];
            byteArr = BitConverter.GetBytes(intData[i]);
            byteArr.CopyTo(bytesData, i * 2);
        }
        return bytesData;
    }

    /// <summary>
    /// 开始录音
    /// </summary>
    void StartRecord()
    {
        Debug.LogError("开始");
        saveAudioClip = Microphone.Start(currentDeviceName, false, recordMaxTime, recordFrequency);
    }

    /// <summary>
    /// 结束录音
    /// </summary>
    void EndRecord()
    {
        Debug.LogError("结束");
        Microphone.End(currentDeviceName);
        source.PlayOneShot(saveAudioClip);
        var result = asr.Recognize(ConvertClipToBytes(saveAudioClip),"pcm", recordFrequency,languageType);
        string str = JsonConvert.SerializeObject(result, Formatting.None);
       
        if (!string.IsNullOrEmpty(str))
        {
            if (Regex.IsMatch(str, @"err_msg.:.success"))
            {
                Match match = Regex.Match(str, "result.:..(.*?)..]");
                if (match.Success)
                {
                    str = match.Groups[1].ToString();
                }
            }
            else
            {
                str = "识别结果为空";
            }
            tex.text = str;
        }
        // StartCoroutine(RequestASR());//请求语音识别
    }

  
}