C# 使用Vosk離線語音轉(zhuǎn)文字完整實現(xiàn)指南
作者：iamrick
本文介紹了如何使用 Vosk 和 NAudio 庫實現(xiàn)語音轉(zhuǎn)文字的功能，支持 MP3 和 WAV 格式的音頻輸入，并自動將 MP3 轉(zhuǎn)換為 WAV 格式，同時對音頻進行重采樣至 16kHz，以滿足 Vosk 的要求。
1. 項目準(zhǔn)備
首先需要安裝必要的 NuGet 包：
<PackageReference Include="Vosk" Version="0.3.38" />
<PackageReference Include="NAudio" Version="2.2.1" />
圖片
2. 下載語音模型
- 訪問 Vosk 模型下載頁面
https://alphacephei.com/vosk/models
圖片
- 下載中文模型 中文 或其他語言模型
圖片
- 解壓模型文件到項目目錄下的 Models 文件夾
3. 完整代碼實現(xiàn)
using NAudio.Wave;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Text.Json;
using System.Threading.Tasks;
using Vosk;
namespace AppVosk
{
public class SpeechToTextConverter
{
private readonly string _modelPath;
public SpeechToTextConverter(string modelPath)
{
_modelPath = modelPath;
// 初始化 Vosk
Vosk.Vosk.SetLogLevel(0);
if (!Directory.Exists(_modelPath))
{
throw new DirectoryNotFoundException($"請確保模型文件夾存在: {_modelPath}");
}
}
public async Task<string> ConvertToText(string audioFilePath)
{
if (!File.Exists(audioFilePath))
{
throw new FileNotFoundException($"音頻文件不存在: {audioFilePath}");
}
// 將音頻轉(zhuǎn)換為 WAV 格式（如果是 MP3）
string wavFile = audioFilePath;
bool needsDisposal = false;
if (Path.GetExtension(audioFilePath).ToLower() == ".mp3")
{
wavFile = Path.Combine(Path.GetTempPath(), Path.GetFileNameWithoutExtension(audioFilePath) + ".wav");
using (var reader = new Mp3FileReader(audioFilePath))
using (var writer = new WaveFileWriter(wavFile, reader.WaveFormat))
{
reader.CopyTo(writer);
}
needsDisposal = true;
}
try
{
using (var model = new Model(_modelPath))
using (var recognizer = new VoskRecognizer(model, 16000.0f))
using (var waveStream = new WaveFileReader(wavFile))
{
// 重采樣到 16kHz (如果需要)
var outFormat = new WaveFormat(16000, 1);
using (var resampler = new MediaFoundationResampler(waveStream, outFormat))
{
byte[] buffer = new byte[4096];
int bytesRead;
while ((bytesRead = resampler.Read(buffer, 0, buffer.Length)) > 0)
{
if (recognizer.AcceptWaveform(buffer, bytesRead))
{
// 處理中間結(jié)果（如果需要）
}
}
}
// 獲取最終識別結(jié)果
var result = JsonDocument.Parse(recognizer.FinalResult());
return result.RootElement.GetProperty("text").GetString() ?? string.Empty;
}
}
finally
{
// 清理臨時 WAV 文件
if (needsDisposal && File.Exists(wavFile))
{
try
{
File.Delete(wavFile);
}
catch { /* 忽略刪除失敗 */ }
}
}
}
}
}4. 使用示例
圖片
class Program
{
static async Task Main(string[] args)
{
try
{
// 指定模型路徑和音頻文件路徑
string modelPath = Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "Models", "vosk-model-small-cn-0.22");
string audioFile = "test.mp3"; // 或 test.wav
var converter = new SpeechToTextConverter(modelPath);
string result = await converter.ConvertToText(audioFile);
Console.WriteLine("識別結(jié)果:");
Console.WriteLine(result);
}
catch (Exception ex)
{
Console.WriteLine($"發(fā)生錯誤: {ex.Message}");
}
}
}
圖片
我下載的是1.3G的模型，這個速度會有點慢。
5. 主要功能說明
- 格式轉(zhuǎn)換：支持 MP3 和 WAV 格式的輸入，自動將 MP3 轉(zhuǎn)換為 WAV
- 重采樣：自動將音頻重采樣至 16kHz，以符合 Vosk 的要求
- 錯誤處理：包含完整的錯誤處理和資源清理
- 內(nèi)存優(yōu)化：使用流式處理，適合處理大文件
- 臨時文件管理：自動清理轉(zhuǎn)換過程中產(chǎn)生的臨時文件
6. 總結(jié)
本文介紹了如何使用 Vosk 和 NAudio 庫實現(xiàn)語音轉(zhuǎn)文字的功能，支持 MP3 和 WAV 格式的音頻輸入，并自動將 MP3 轉(zhuǎn)換為 WAV 格式，同時對音頻進行重采樣至 16kHz，以滿足 Vosk 的要求。文章詳細(xì)講解了代碼實現(xiàn)，包括模型文件的加載、音頻格式轉(zhuǎn)換、重采樣處理以及最終的語音識別流程。通過將模型加載放在應(yīng)用程序啟動時，可以提高識別效率，避免重復(fù)加載模型。整體方案簡單高效，適合需要實現(xiàn)語音識別功能的開發(fā)者參考和使用。
責(zé)任編輯：武曉燕
來源：
技術(shù)老小子
