.net 如何分析语音并存储结果？

我正在考虑创建一个应用程序

描述如下： 1.人们将把以前录制的对话上传到服务器。 2.来自服务器的应用程序将检测该声音的音调、速度、重音、发音等，并创建个人档案。 3.如果您呼叫服务器，则服务器应用程序将以此人（其语音服务器在步骤2中检测到）的准确语音音调与您交谈

请分享链接，资源，pdf演示文稿，无论你觉得对这个项目有用

---

我主要停留在第二步。我不清楚如何分解声音并进行分析，获取速度、音高等信息。是否有可用于声音部分的现有API？

我找到了以下内容：

您也可以检查这个问题：