C# 是否可以向Bing语音识别发送实时数据？

我正在编写一个应用程序，它应该接收音频并发送到Bing识别API以获取文本。 我使用了服务库，它使用wav文件。因此，我编写了自己的流类，从麦克风或网络（RTP）接收音频，并将其发送到识别API。当我在音频流前面添加WAV头时，它会工作几秒钟

调试表明，识别api读取表单流的速度比音频源（16k samplerate，16位，mono）填充的速度快

所以我的问题是：有没有一种方法可以将recognizeapi用于实时（连续）音频流

---

我知道有一个麦克风客户端的例子，但它只适用于麦克风，我需要它用于不同的来源。

我找到了解决问题的方法。我编写了一个从流继承的类

AudioStream

，该类缓冲输入，并在调用Read方法时等待，其缓冲区为空。这可防止识别器停止，因为读取方法始终返回大于0的值。 以下是本课程的重要部分代码：

public class AudioStream : Stream {
private AutoResetEvent _waitEvent = new AutoResetEvent(false);

internal void AddData(byte[] buffer, int count) {
    _buffer.Add(buffer, count);
    // Enable Read
    _waitEvent.Set();
}
public override int Read(byte[] buffer, int offset, int count) {
    int readCount = 0;
    if ((_buffer.Empty) {
        // Wait for input
        _waitEvent.WaitOne();
    }
    ......
    // Fill buffer from _buffer;

    _waitEvent.Reset();
    return length;
}
protected override void Dispose(bool disposing) {
    // Make sure, that there is no waiting Read
    // Clear buffer, dispose wait event etc.
}
......

}

---

由于音频数据是连续接收的，因此读取方法的“挂起”时间不会超过几毫秒（例如，RTP包在20毫秒内全部接收）。

如果要使用麦克风以外的源，可以通过调用的

CreateDataClient

方法使用类。拥有客户机对象后，您可以从任何来源（麦克风、网络、读取文件等）获取音频，并将其发送到客户机方法进行处理。当您收到每个音频缓冲区时，您将对

SendAudio

进行新的调用

当您使用

SendAudio

发送音频时，您将以客户端的

OnPartialResponse

事件的形式实时（或关闭）收到部分识别结果

---

发送完音频后，通过调用

EndAudio

，向客户端发出信号，表示您已准备好获得最终识别结果。然后，您应该从客户端收到一个包含最终识别假设的

OnResponseReceived

事件。

添加有关此主题的其他支持信息：流实现必须支持并发读/写操作，并在没有数据时进行阻止。

您是否只想在有人讲话时实时发送音频并返回结果？或者你想发送任意长的音频流？如果你链接到麦克风示例，你的问题可能会更清楚。我想实时发送音频，以便在演讲期间获得部分结果。原则上类似于示例文件夹中的，但用于不同的源（例如RTP）。但我希望我找到了一个解决方案（必须做更多的测试）。如果它工作，我会创建一个与描述的答案。好！当有疑问时，要有创造力。我很抱歉，我认为这是一个僵局。这是有效的！现在我有了一个解决方案，既可以用于客户端dll（Microsoft.ProjectOxford.SpeechRecognition），也可以用于服务库（Microsoft.Bing.Speech）。