【Unity】 HTFramework框架（二十八）Speech语音合成、语音识别

更新日期：2019年12月30日。
Github源码：​​​[点我获取源码]​​​ Gitee源码：​​[点我获取源码]​​

索引

• ​​Speech语音合成、语音识别简介​​
• ​​使用Speech​​

• ​​语音合成​​

• ​​设置TOKEN​​
• ​​自定义合成规则​​
• ​​开始合成​​
• ​​编辑器内语音合成​​

• ​​语音识别​​

• ​​设置TOKEN​​
• ​​开始识别​​

Speech语音合成、语音识别简介

对接​​百度AI开放平台​​，封装的语音技术接口。

使用Speech

语音合成

设置TOKEN

语音合成需要鉴权认证的通行令牌TOKEN，登录​​百度AI开放平台控制台​​，通过新建应用获取应用的APIKEY和SECRETKEY，在任意初始化位置设置这两个key：

Speecher.SetAPIKEY("你的应用APIKEY");
        Speecher.SetSECRETKEY("你的应用SECRETKEY");

然后在调用语音合成接口前，必须先生成TOKEN（一个TOKEN的有效期是30天，失效后必须重新生成）：

Speecher.GenerateTOKEN();

由于上文的生成TOKEN的接口无法跨域，所以在WebGL平台无效，所以我们只能在外部生成TOKEN再赋值给Speecher：

Speecher.SetTOKEN("外部生成的TOKEN");

自定义合成规则

语音合成可以自定义合成规则，在合成规则内，你可以强制定义任何字的发音，或是让多音字在不同的词语组合内有不同的发音，比如如下定义一个合成规则：

//自定义合成规则
        SynthesisRule rule = new SynthesisRule();
        //定义 大 字的发音为 xiao ，2 声
        rule.AddCustomTone("大", "xiao", 2);
        //定义 小 字的发音为 da ，4 声
        rule.AddCustomTone("小", "da", 4);
        //定义 的 字的发音为 di ，4 声（仅在词组为【目的地】时）
        rule.AddCustomTone("目的地", "di", 4, 1);
        //定义 单 字的发音为 shan ，4 声（仅在词组为【单春秋】时）
        rule.AddCustomTone("单春秋", "shan", 4, 0);

开始合成

设置了TOKEN之后便可以直接合成语音了，调用如下接口：

private IEnumerator Start()
    {
        Speecher.SetAPIKEY("你的应用APIKEY");
        Speecher.SetSECRETKEY("你的应用SECRETKEY");

        //等待生成TOKEN完成
        yield return Speecher.GenerateTOKEN();

        //合成语音，如有自定义合成规则，可以传入合成规则
        Speecher.Synthesis("您好，百度！", SynthesisSucceed, SynthesisFailed);
    }
    
    private void SynthesisSucceed(AudioClip clip)
    {
        //语音合成成功，播放合成结果
        Main.m_Audio.PlayMultipleSound(clip);
    }

    private void SynthesisFailed()
    {
        GlobalTools.LogWarning("语音合成失败，请查看控制台日志！");
    }

语音合成为异步操作，可以通过yield return语句等待合成完成，以达到同步效果，但必须在协程方法体内：

private IEnumerator Synthesis()
    {
        //合成语音
        yield return Speecher.Synthesis("您好，百度！", SynthesisSucceed, SynthesisFailed);

        GlobalTools.LogInfo("语音合成完毕！");
    }

编辑器内语音合成

通过如下菜单打开编辑器语音合成测试面板：

在面板输入你的APIKEY和SECRETKEY，点击Generate按钮生成TOKEN，然后输入待合成的文本，以及选择一些合成参数，点击下方的Synthesis按钮便可以将文本合成为语音文件。目前已支持官方更新的所有精品发音人：

语音识别

设置TOKEN

语音识别需要鉴权认证的通行令牌TOKEN，与语音合成共用一个TOKEN。

开始识别

设置了TOKEN之后便可以直接识别语音了，调用如下接口：

IEnumerator RecognitionTest()
    {
        AudioClip clip = null;

        //加载音频文件
        yield return Main.m_Resource.LoadAsset<AudioClip>(new AssetInfo("audio", "Assets/Audio/Test.wav", ""), null, (c) => { clip = c; });

        //语音识别
        yield return Speecher.Recognition(clip, RecognitionSucceed, RecognitionFailed);
    }

    private void RecognitionSucceed(string text)
    {
        //语音识别成功
        GlobalTools.LogInfo("语音识别成功：" + text);
    }

    private void RecognitionFailed()
    {
        GlobalTools.LogWarning("语音识别失败，请查看控制台日志！");
    }