使用Azure Speech Recognition实现Speaker Identity报错咨询

错误原因 #

• 普通SpeechRecognizer不提供说话人识别能力，PropertyId枚举里根本没有Speaker这个选项，你调用的API本身就不支持返回说话人ID。
• 要区分对话中的不同说话人，必须使用Azure语音服务的**对话转录（Conversation Transcription）**功能，这是独立于普通语音识别的专项能力。

解决步骤 #

1. 配置Azure服务与依赖 #

• 确保你的Azure语音服务实例已启用，且使用的区域（比如eastus2）支持对话转录功能。
• 安装必要的NuGet包：
  • 核心包：Microsoft.CognitiveServices.Speech（保持1.35.0版本即可）
  • 对话转录扩展包：Microsoft.CognitiveServices.Speech.Transcription

2. 修改代码实现多说话人识别 #

替换原来的SpeechRecognizer为ConversationTranscriber，它会自动识别对话中的说话人并返回对应的ID。修改后的完整代码如下：

private async void ProcessWavFile(string filePath)
{
    try
    {
        string subscriptionKey = "mykey";
        string region = "eastus2";

        var config = SpeechConfig.FromSubscription(subscriptionKey, region);
        // 启用对话转录的多说话人识别模式
        config.SetProperty(PropertyId.ConversationTranscription_InRoomAndOnline, "true");
        
        using (var audioConfig = AudioConfig.FromWavFileInput(filePath))
        using (var transcriber = new ConversationTranscriber(config, audioConfig))
        {
            // 订阅转录完成事件，获取说话人ID和文本
            transcriber.Transcribed += (s, e) =>
            {
                if (e.Result.Reason == ResultReason.RecognizedSpeech)
                {
                    // 从结果中获取说话人ID
                    var speakerId = e.Result.Properties.GetProperty(PropertyId.ConversationTranscription_SpeakerId);
                    
                    recognizedTextBox.Invoke((MethodInvoker)delegate
                    {
                        recognizedTextBox.AppendText($"Speaker ID: {speakerId}, Text: {e.Result.Text}{Environment.NewLine}");
                    });
                }
            };

            // 订阅会话开始/结束事件（可选）
            transcriber.SessionStarted += (s, e) =>
            {
                recognizedTextBox.Invoke((MethodInvoker)delegate
                {
                    recognizedTextBox.AppendText("会话开始转录...");
                });
            };

            transcriber.SessionStopped += (s, e) =>
            {
                recognizedTextBox.Invoke((MethodInvoker)delegate
                {
                    recognizedTextBox.AppendText("会话转录结束");
                });
            };

            // 开始转录
            await transcriber.StartTranscribingAsync();
            
            // 等待转录完成（根据音频长度调整，或者监听SessionStopped事件）
            await Task.Delay(TimeSpan.FromSeconds(100));

            // 停止转录
            await transcriber.StopTranscribingAsync();
        }
    }
    catch (Exception ex)
    {
        MessageBox.Show($"发生错误: {ex.Message}", "错误", MessageBoxButtons.OK, MessageBoxIcon.Error);
    }
}

3. 额外说明 #

• 对话转录支持离线处理预录音频，也支持实时流音频。
• 如果需要给说话人ID关联具体名称，可以在识别完成后，通过说话人识别API将ID与已知说话人匹配；如果是未知说话人，只能暂时用返回的ID区分，后续可以手动标注名称。
• 确保音频质量良好，说话人语音清晰，否则会影响说话人区分的准确性。

内容的提问来源于stack exchange，提问作者vampire