最近做一个语音识别的项目,因为方便,使用NAudio,首先是读取数据功能,采用的代码如下:
using (var reader = new AudioFileReader(FilePath))
{
byte[] buffer = new byte[reader.Length];
//获取数据
reader.Read(buffer, 0, (int)reader.Length);
//使用百度语音进行识别
。。。。。。。
}
结果发现识别结果不对。因为百度语音识别有要求,原始 PCM 的录音参数必须符合 16k、8k 采样率、16bit 位深、单声道,语音文件没有问题,只可能是读取问题。
调试发现:原始16K采样、16位深单声道的语音文件,使用AudioFileReader其格式发生了变化。reader.WaveFormat.BitsPerSample(此为位深)应该是16的,但显示值为32。
查了下资料,在NAudio的Github问题库中有人提了同样的问题,https://github.com/naudio/NAudio/issues/346,作者回答是这样的
markheath commented on 18 Jun 2018
AudioFileReader converts to IEEE floating point samples, so no, you wouldn’t expect to see the same results.
AudioFileReader统一转成了32浮点采样。
所以,一种方式就是读取出32位浮点数据,再将其转到需要的位数。
另一种方式如果原始音频文件就是最终格式,可以分别对不同格式文件使用不同的读取方法,如Wav文件使用WaveFileReader,mp3文件使用Mp3FileReader,这样不会有问题。