C# 4.0 使用SetInputToWaveFile的语音识别提前结束

我想对音频文件进行语音识别

我的代码是非常基本的，并且是从中派生出来的。问题是，即使某些wave文件长达数小时，它也会在几秒钟后过早地停止处理每个wave文件

如何让它扫描整个文件

namespace Stimmenerkennung
{
    public partial class Form1 : Form
    {
        //...
        Thread erkennung;
        bool completed;

        private void Form1_Load(object sender, EventArgs e)
        {
            erkennung = new Thread(erkennen);
            erkennung.Start();
        }

        void erkennen()
        {
            using (SpeechRecognitionEngine recognizer =
               new SpeechRecognitionEngine())
            {

                // Create and load a grammar.
                Grammar dictation = new DictationGrammar();
                dictation.Name = "Dictation Grammar";

                recognizer.LoadGrammar(dictation);

                // Configure the input to the recognizer.
                recognizer.SetInputToWaveFile(@"REC01.wav");


                // Attach event handlers for the results of recognition.
                recognizer.SpeechRecognized +=
                  new EventHandler<SpeechRecognizedEventArgs>(recognizer_SpeechRecognized);
                recognizer.RecognizeCompleted +=
                  new EventHandler<RecognizeCompletedEventArgs>(recognizer_RecognizeCompleted);

                // Perform recognition on the entire file.
                db("Starting asynchronous recognition...");
                recognizer.RecognizeAsync();
                while (!completed)
                {
                    //fs((int)(100 / recognizer.AudioPosition.TotalSeconds * recognizer.AudioPosition.Seconds));
                    db(recognizer.AudioState.ToString());
                    Thread.Sleep(100);
                }
            }
        }

        // Handle the SpeechRecognized event.
        void recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
        {
            if (e.Result != null && e.Result.Text != null)
            {
                db(e.Result.Text);
            }
            else
            {
                db("  Recognized text not available.");
            }
        }

        // Handle the RecognizeCompleted event.
        void recognizer_RecognizeCompleted(object sender, RecognizeCompletedEventArgs e)
        {
            if (e.Cancelled)
            {
                db("  Operation cancelled.");
            }
            if (e.InputStreamEnded)
            {
                db("  End of stream encountered.");
            }
            completed = true;
        }

        void db(string t)
        {
            this.textBox1.Invoke((MethodInvoker)delegate
            {
                textBox1.Text = textBox1.Text + Environment.NewLine + t;
                //textBox1.Text = t;
            });
        }
    }
}

namespace stimmenerkenung
{
公共部分类Form1:Form
{
//...
艾尔肯农；
布尔完成；
私有void Form1\u加载（对象发送方、事件参数e）
{
erkennung=新螺纹（erkennen）；
erkennung.Start（）；
}
void erkennen（）
{
使用（语音识别引擎识别器=
新建SpeechRecognitionEngine（））
{
//创建并加载语法。
语法听写=新听写语法（）；
听写。Name=“听写语法”；
识别器。加载语法（听写）；
//配置识别器的输入。
recognizer.SetInputToWaveFile（@“REC01.wav”）；
//为识别结果附加事件处理程序。
识别器+=
新的EventHandler（识别器\语音识别器）；
识别器。识别器已完成+=
新的EventHandler（识别器识别完成）；
//对整个文件执行识别。
db（“启动异步识别…”）；
RecognizeAsync（）；
而（！已完成）
{
//fs（（int）（100/recognizer.AudioPosition.TotalSeconds*recognizer.AudioPosition.Seconds））；
db（recognizer.AudioState.ToString（））；
睡眠（100）；
}
}
}
//处理SpeechReceigned事件。
无效识别器_SpeechRecognized（对象发送者，SpeechRecognizedEventArgs e）
{
如果（e.Result！=null&&e.Result.Text！=null）
{
db（e.Result.Text）；
}
其他的
{
db（“识别文本不可用”）；
}
}
//处理RecognizeCompleted事件。
无效识别器\u RecognizeCompleted（对象发送方，RecognizeCompletedEventArgs e）
{
如果（如已取消）
{
db（“操作已取消”）；
}
如果（如输入流）
{
db（“遇到的流结束”）；
}
完成=正确；
}
void db（字符串t）
{
此.textBox1.Invoke（（MethodInvoker）委托
{
textBox1.Text=textBox1.Text+Environment.NewLine+t；
//textBox1.Text=t；
});
}
}
}

您可以通过静默将文件分成几秒钟的块，然后分别将块送入识别器。然后可以将结果合并为单个字符串

您可以使用任何语音活动检测实现来执行分割，计算帧能量的简单基于能量的VAD就足够了

---

您可以在projet中找到VAD的一些现有实现这里最基本的错误是您没有使用RecognizeMode.Multiple参数调用RecognizeAsync（），这就解决了问题。做得好。看起来既不使用python也不使用c#。哪个VAD可以与c#或python一起使用？更好的是：如何将Microsoft语音识别用于VAD？目标是将wav文件作为输入，以便程序在检测到语音时输出TotalSeconds，更好的是指定语音区域，即语音块开始和结束时。