是否可以向Bing语音识别发送实时数据？

Question

我正在编写一个应用程序，它应该接收音频并将其发送到Bing识别API以获取文本。我使用了服务库，它可以使用wav文件。因此，我编写了自己的流类来从麦克风或网络（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：有没有办法将识别api与实时（连续）音频流一起使用？

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源。

Answer 1

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，并在没有数据时阻塞。

Answer 2

如果您想使用麦克风以外的源，您可以通过调用Speech认可服务工厂的CreateDataClient方法来使用Data认可客户端类。一旦您有了客户端对象，您就可以从任何来源获取音频——麦克风、网络、从文件中读取等——并将其发送给客户端的SendAudio方法进行处理。当您收到每个音频缓冲区时，您会对SendAudio进行新调用。

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，您通过调用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，您应该会收到来自客户端的包含最终识别假设的On响应接收事件。

Answer 3

我找到了解决问题的办法。我编写了一个从流继承的类，该类缓冲输入，并在调用Read方法时等待，其缓冲区为空。这可以防止识别器停止，因为read方法始终返回一个值

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包的接收时间为20毫秒）。