本文节选自洪流学堂公众号技术专栏《大话Unity2019》，未经允许不可转载。
洪流学堂公众号回复语音识别获取源码工程。
洪流学堂，让你快人几步。你好，我是郑洪智。
大智：“今天给你来点刺激的。”
小新满面红光：“啥刺激的？人家可还是个小孩子。”
大智：“带你实战！”
小新：“啊？智哥你变了！”
大智：“变是不可能的，带你实战百度语音识别。”
小新：“嗨，您这说话能不大喘气不，我还以为是那个啥呢”
大智：“你说的那个啥我可不懂啊，走了上战场。”
HTTP实战：百度语音识别
大智：“百度语音识别用来学习HTTP通信是个特别好的例子。”
首先要做一些准备工作：
- http://ai.baidu.com/，首先你需要一个百度账号
- 登陆进去以后，在https://console.bce.baidu.com/页面左侧点击百度语音。
- 创建一个新应用，不需要设置语音包名，因为我们要使用HTTP接口，而不是用SDK。
- 在应用详情中可以看到API Key和Secret Key，一会需要用到。
- 阅读文档！阅读文档！阅读文档！
语音识别：https://ai.baidu.com/docs#/ASR-API/top 语音合成：https://ai.baidu.com/docs#/TTS-API/top
语音识别
大智：“看完文档了没？”
小新：“看完了”
大智：“那我们就开始了。”
语音识别主要有两个过程：
- 鉴权认证：从百度获取一个令牌(token)，请求的时候需要携带这个令牌，否则视为非法请求
- 在Unity中录音频，请求音识别的接口
鉴权认证
鉴权认证的流程在百度语音识别的文档中有详细介绍，我们在这把流程再梳理一下：
- 记录下你的API Key和Secret Key，在应用详情中可以看到，上文中有提到；
- 按照文档要求，拼接请求url：
使用Client Credentials获取Access Token需要应用在其服务端发送请求（推荐用POST方法）到百度OAuth2.0授权服务的“ https://openapi.baidu.com/oauth/2.0/token ”地址上，并带上以下参数：
- grant_type：必须参数，固定为“client_credentials”；
- client_id：必须参数，应用的 API Key；
- client_secret：必须参数，应用的 Secret Key;
例如：
https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id=Va5yQRHl********LT0vuXV4&client_secret= 0rDSjzQ20XUj5i********PQSzr5pVw2
参数是什么呢？
URL中的参数(paramter)部分：
参数部分：从“？”开始到“#”为止之间（如果没有#那就是到url结束）的部分为参数部分，又称搜索部分、查询部分。本例中的参数部分为grant_type=client_credentials&client_id=Va5yQRHl********LT0vuXV4&client_secret= 0rDSjzQ20XUj5i********PQSzr5pVw2。参数可以允许有多个参数，参数与参数之间用“&”作为分隔符。
- 在Unity中这个代码该如何写呢：
using System;
using System.Collections;
using UnityEngine;
using UnityEngine.Networking;
public class BaiduAsr : MonoBehaviour
{
public string APIKey;
public string SecretKey;
private string Token;
// 用于解析返回的json
[Serializable]
class TokenResponse
{
public string access_token = null;
}
IEnumerator Start()
{
// 拼接请求的URL，使用到了C#中新的字符串拼接的方法
var uri = $"https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id={APIKey}&client_secret={SecretKey}";
var www = UnityWebRequest.Get(uri);
yield return www.SendWebRequest();
if (www.isHttpError || www.isNetworkError)
{
Debug.Log("[BaiduAip]" + www.downloadHandler.text);
var result = JsonUtility.FromJson<TokenResponse>(www.downloadHandler.text);
Token = result.access_token;
Debug.Log("[WitBaiduAip]Token has been fetched successfully");
}
else
{
Debug.LogError("[BaiduAip]" + www.error);
Debug.LogError("[BaiduAip]Token was fetched failed. Please check your APIKey and SecretKey");
}
}
}获取请求结果后，使用JsonUtility将json字符串解析出来，将Toekn保存下来留作后用，我们的鉴权认证就完成了。
录音频
录制音频的核心代码如下。
其中方法的参数可以参考文档：https://docs.unity3d.com/ScriptReference/Microphone.html
_clipRecord = Microphone.Start(null, false, 30, 16000);
Microphone.End(null);请求语音识别
百度语音识别支持两种方式请求：
- JSON方式，将所有的数据放到JSON中上传请求
- Raw方式，将数据放到POST的body中请求
为了更好的学习HTTP请求，在这我们选用Raw方式进行请求。
使用Raw方式需要处理几点：
- Header中需要包含format和rate参数，格式类似
Content-Type: audio/pcm;rate=16000，具体说明见百度语音文档 - url参数需要至少要包含必填项：cuid（用户标识）和token（鉴权认证获取的token）
- 在请求的body中放入音频的字节数据，建议使用PCM格式。在Unity中可以使用WWWForm这个类，将字节数据放入body中。
具体代码如下：
using System;
using System.Collections;
using UnityEngine;
using UnityEngine.Networking;
public class BaiduAsr : MonoBehaviour
{
public string APIKey;
public string SecretKey;
private string Token;
private AudioClip _clipRecord;
// 用于解析返回的json
[Serializable]
class TokenResponse
{
public string access_token = null;
}
[Serializable]
public class AsrResponse
{
public int err_no;
public string err_msg;
public string sn;
public string[] result;
}
IEnumerator Start()
{
// 拼接请求的URL
var uri = $"https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials&client_id={APIKey}&client_secret={SecretKey}";
var www = UnityWebRequest.Get(uri);
yield return www.SendWebRequest();
if (www.isHttpError || www.isNetworkError)
{
Debug.Log("[BaiduAip]" + www.downloadHandler.text);
var result = JsonUtility.FromJson<TokenResponse>(www.downloadHandler.text);
Token = result.access_token;
Debug.Log("[WitBaiduAip]Token has been fetched successfully");
}
else
{
Debug.LogError("[BaiduAip]" + www.error);
Debug.LogError("[BaiduAip]Token was fetched failed. Please check your APIKey and SecretKey");
}
}
void Update()
{
if (Input.GetKeyDown(KeyCode.A))
{
_clipRecord = Microphone.Start(null, false, 30, 16000);
}
if (Input.GetKeyUp(KeyCode.A))
{
Microphone.End(null);
Debug.Log("[WitBaiduAip demo]end record");
var data = ConvertAudioClipToPCM16(_clipRecord);
StartCoroutine(Recognize(data, s =>
{
var text = s.result != null && s.result.Length > 0 ? s.result[0] : "未识别到声音";
Debug.Log(text);
}));
}
}
public IEnumerator Recognize(byte[] data, Action<AsrResponse> callback)
{
var uri = $"https://vop.baidu.com/server_api?lan=zh&cuid={SystemInfo.deviceUniqueIdentifier}&token={Token}";
var form = new WWWForm();
form.AddBinaryData("audio", data);
var www = UnityWebRequest.Post(uri, form);
www.SetRequestHeader("Content-Type", "audio/pcm;rate=16000");
yield return www.SendWebRequest();
if (string.IsNullOrEmpty(www.error))
{
Debug.Log("[WitBaiduAip]" + www.downloadHandler.text);
callback(JsonUtility.FromJson<AsrResponse>(www.downloadHandler.text));
}
else
Debug.LogError(www.error);
}
/// <summary>
/// 将Unity的AudioClip数据转化为PCM格式16bit数据
/// </summary>
/// <param name="clip"></param>
/// <returns></returns>
public static byte[] ConvertAudioClipToPCM16(AudioClip clip)
{
var samples = new float[clip.samples * clip.channels];
clip.GetData(samples, 0);
var samples_int16 = new short[samples.Length];
for (var index = 0; index < samples.Length; index++)
{
var f = samples[index];
samples_int16[index] = (short)(f * short.MaxValue);
}
var byteArray = new byte[samples_int16.Length * 2];
Buffer.BlockCopy(samples_int16, 0, byteArray, 0, byteArray.Length);
return byteArray;
}
}上述代码中有一个AudioClip的数据转化为PCM16数据的方法。
具体操作时，按住键盘A键开始录制语音，松开开始识别并Log结果。
总结
大智：“学会HTTP请求以后，你就掌握了向外拓展的能力，现在很多云服务都是以HTTP请求的方式提供的，要好好掌握哦。”
洪流学堂公众号回复语音识别获取源码工程。
今日思考题
大智：“最后我们使用了Raw方式来请求，另外还有一种json的请求方式，你来试试吧。”
小新：“好嘞！”
大智：“收获别忘了分享出来！也别忘了分享给你学Unity的朋友，也许能够帮到他。”
洪流学堂公众号回复专栏，查看更多专栏文章。
《大话Unity2019》，大智带小新学Unity2019的有趣经历，让你学Unity更简单。