C#音频截取与原文匹配

1.需求

上传一个音频文件（例如英语听力的音频）与音频对应的原文word文档。大概估算音频中一段对话到另一端对话的时间间隔，将音频截取为不同对话的小音频文件，通过百度语音识别转换成英文，然后与原文对比。

2.先上结果图吧。大概的效果如图所示

timespan是每段对话的开始时间戳，file_url是我上传到服务器的音频文件地址，baiduText是百度语音识别的结果，contractText是匹配之后的结果，percent是字符串相似度匹配百分比。

3.实现思路

3.1.上传文件并保存就不说了。后面会放源码。

3.2.异步循环处理音频，直到结束

3.3.读取音频文件，根据时间间隔获取需要的时间戳

这里需要先将音频文件转换为wav的波形文件。（第一版本的时候我用的NAudio，但是没用好）

根据波形数据，判断是否有声音，并记录下有声音和没声音的时间点

3.4.根据时间点，截取音频。我用的是NAudio。由于百度只能识别60s以下的音频，所以对超过60s的音频做了处理。另外百度识别音频最快的格式是pcm，所以也做了转换，音频转换也是用的NAudio

（****这里修改了一个bug，截取超过60s的音频时，要重新读音频流，然后再截取，不然后面的时间会乱。截图我就懒得换了）

3.5.百度语音识别可以看百度官网。我这边的access_token和过期时间直接写xml文件了

3.6.百度语音识别的结果与原文匹配

3.7.中文匹配，匹配的每个字符，匹配算法如下

3.8.英文匹配的每个单词

 

4.源码下载

https://github.com/zhaoshangtong/AudioTool

5.结语

目前这是第一个版本，肯定有不完善的地方。欢迎交流~

ps：不用推荐，不用点赞，要脸~~哈哈哈哈哈哈哈哈哈哈

转载于:https://www.cnblogs.com/zhaoshang/p/9082893.html