ASP.NET MVC中Porcupine唤醒词引擎无法识别问题求助

采样率与帧长度的核心作用 #

• 采样率：Porcupine固定要求16kHz，即每秒采集16000个音频样本。这是模型训练时的标准输入格式，音频采样率不匹配的话，识别逻辑会完全失效。
• 帧长度：Porcupine的FrameLength固定为512个样本，每次调用Process方法必须传入恰好这么多样本的音频切片。这是模型处理音频的最小单元，长度不符会导致检测异常。

解决方案（基于NAudio实现合规音频采集） #

1. 安装音频采集依赖 #

在NuGet包管理器中安装NAudio，它能快速获取符合Porcupine要求的音频数据。

2. 编写采集与检测逻辑 #

using NAudio.Wave;
using Porcupine;
using System.Collections.Generic;

public class WakeWordDetector : IDisposable
{
    private readonly PorcupineHandle _porcupineHandle;
    private readonly WaveInEvent _audioCapture;
    private readonly Queue<short> _audioBuffer = new Queue<short>();

    public WakeWordDetector(string accessKey, string keywordModelPath)
    {
        // 初始化Porcupine句柄，自动获取合规的帧长度与采样率
        _porcupineHandle = PorcupineManager.Create(accessKey, new[] { keywordModelPath });
        
        // 配置NAudio采集参数，严格匹配Porcupine要求：16kHz、16位单声道
        _audioCapture = new WaveInEvent
        {
            WaveFormat = new WaveFormat(_porcupineHandle.SampleRate, 16, 1)
        };
        
        // 处理采集到的音频数据
        _audioCapture.DataAvailable += (sender, e) =>
        {
            // 将字节数组转换为16位音频样本（short数组）
            short[] audioSamples = new short[e.BytesRecorded / 2];
            Buffer.BlockCopy(e.Buffer, 0, audioSamples, 0, e.BytesRecorded);
            
            // 缓存样本，凑够一帧长度再检测
            foreach (var sample in audioSamples)
            {
                _audioBuffer.Enqueue(sample);
            }
            
            // 当缓存足够时，逐帧检测
            while (_audioBuffer.Count >= _porcupineHandle.FrameLength)
            {
                short[] targetFrame = new short[_porcupineHandle.FrameLength];
                for (int i = 0; i < _porcupineHandle.FrameLength; i++)
                {
                    targetFrame[i] = _audioBuffer.Dequeue();
                }
                
                int detectedKeywordIndex = _porcupineHandle.Process(targetFrame);
                if (detectedKeywordIndex >= 0)
                {
                    // 触发唤醒词逻辑，自行补充业务代码
                    HandleWakeWordTrigger(detectedKeywordIndex);
                }
            }
        };
    }

    public void StartDetection() => _audioCapture.StartRecording();
    public void StopDetection() => _audioCapture.StopRecording();

    private void HandleWakeWordTrigger(int keywordIndex)
    {
        // 这里写唤醒词被检测后的操作，比如调用业务接口、返回前端响应等
    }

    public void Dispose()
    {
        _audioCapture.Dispose();
        _porcupineHandle.Dispose();
    }
}

3. 在ASP.NET MVC中集成 #

在控制器或后台服务中初始化并启动检测器：

public class HomeController : Controller
{
    private WakeWordDetector _wakeWordDetector;

    public ActionResult Index()
    {
        // 替换为你的Porcupine AccessKey和唤醒词模型文件路径（.ppn格式）
        _wakeWordDetector = new WakeWordDetector("YOUR_ACCESS_KEY", @"C:\Path\To\Your\Keyword.ppn");
        _wakeWordDetector.StartDetection();
        return View();
    }

    protected override void Dispose(bool disposing)
    {
        if (disposing)
        {
            _wakeWordDetector?.Dispose();
        }
        base.Dispose(disposing);
    }
}

关键注意事项 #

• 必须使用16位单声道、16kHz采样率的音频，这是Porcupine的硬性要求，任何格式偏差都会导致检测失败。
• 不能传入空数组给Process方法，空数组等同于静音输入，自然无法识别唤醒词。
• 唤醒词模型文件（.ppn）要与Porcupine版本匹配，且是针对Windows平台编译的版本。

内容的提问来源于stack exchange，提问作者V21