如何为.NET Core 2机器人添加语音转文本功能？

没问题！我来帮你把Microsoft Cognitive Services的语音转文本功能集成到你的.NET Core 2 Bot里，结合你提到的那个基础版“Hi there!”机器人示例一步步说明：

1. 安装适配的NuGet包 #

首先得给项目安装两个关键包，注意要选支持.NET Core 2的版本：

• 在NuGet包管理器中安装 Microsoft.Bot.Builder（推荐v4.6.x系列，这是适配.NET Core 2的稳定版本）
• 安装 Microsoft.CognitiveServices.Speech（选v1.15.x及以下版本，新版本不再支持.NET Core 2）

2. 配置语音服务凭证 #

在项目的appsettings.json里添加你的Azure语音服务密钥和区域信息：

{
  "MicrosoftAppId": "",
  "MicrosoftAppPassword": "",
  "SpeechServiceKey": "你的Azure语音服务密钥",
  "SpeechServiceRegion": "你的服务区域，比如eastus"
}

3. 修改Bot类，添加语音转文本逻辑 #

打开你的Bot类（对应基础示例里的EchoBot.cs），先注入配置，再实现语音转文本的核心方法：

注入配置到Bot类 #

private readonly IConfiguration _configuration;

public EchoBot(IConfiguration configuration)
{
    _configuration = configuration;
}

实现语音转文本方法 #

private async Task<string> ConvertSpeechToTextAsync(byte[] speechAudio)
{
    // 初始化语音服务配置
    var speechConfig = SpeechConfig.FromSubscription(
        _configuration["SpeechServiceKey"], 
        _configuration["SpeechServiceRegion"]);
    
    // 从内存流加载音频数据
    using var audioConfig = AudioConfig.FromWavFileInput(new MemoryStream(speechAudio));
    using var recognizer = new SpeechRecognizer(speechConfig, audioConfig);
    
    // 执行一次语音识别
    var result = await recognizer.RecognizeOnceAsync();
    
    // 根据识别结果返回对应文本
    switch (result.Reason)
    {
        case ResultReason.RecognizedSpeech:
            return result.Text;
        case ResultReason.NoMatch:
            return $"语音识别失败：{NoMatchDetails.FromResult(result).Reason}";
        case ResultReason.Canceled:
            var cancellation = CancellationDetails.FromResult(result);
            return $"语音识别被取消：{cancellation.Reason}，错误信息：{cancellation.ErrorDetails}";
        default:
            return "无法识别语音内容";
    }
}

4. 处理用户发送的语音消息 #

在OnTurnAsync方法里，增加对语音附件的判断和处理逻辑，替换原来的文本消息处理部分：

public override async Task OnTurnAsync(ITurnContext turnContext, CancellationToken cancellationToken = default)
{
    if (turnContext.Activity.Type == ActivityTypes.Message)
    {
        string messageContent = string.Empty;
        
        // 检查消息是否包含语音附件（通常是audio/wav格式）
        var speechAttachment = turnContext.Activity.Attachments?.FirstOrDefault(a => a.ContentType.StartsWith("audio/"));
        if (speechAttachment != null)
        {
            // 下载语音附件的二进制数据
            using var httpClient = new HttpClient();
            var audioStream = await httpClient.GetStreamAsync(speechAttachment.ContentUrl);
            using var memoryStream = new MemoryStream();
            await audioStream.CopyToAsync(memoryStream);
            var audioBytes = memoryStream.ToArray();
            
            // 调用语音转文本方法
            messageContent = await ConvertSpeechToTextAsync(audioBytes);
            await turnContext.SendActivityAsync(MessageFactory.Text($"我识别到你说的是：{messageContent}"), cancellationToken);
        }
        else
        {
            // 保留原来的文本消息处理逻辑
            messageContent = turnContext.Activity.Text;
            var responseText = $"你说的是：{messageContent}";
            await turnContext.SendActivityAsync(MessageFactory.Text(responseText, responseText), cancellationToken);
        }
    }
    else
    {
        await turnContext.SendActivityAsync(MessageFactory.Text($"收到了{turnContext.Activity.Type}类型的消息"), cancellationToken);
    }
}

几个关键注意点 #

• 确保你已经在Azure门户创建了语音服务资源，并且密钥和区域配置正确。
• 聊天客户端（比如Web Chat、Teams）发送的语音必须是符合要求的格式：推荐16kHz采样率、16位单声道的WAV文件，否则识别效果会很差甚至失败。
• 如果遇到NuGet包版本冲突，优先保证Microsoft.Bot.Builder和Microsoft.CognitiveServices.Speech的版本都支持.NET Core 2。

内容的提问来源于stack exchange，提问作者Parvathy Sarat