认知服务语音SDK 1.0.0版本重大变更解析与迁移指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00178/article/details/148602050

认知服务语音SDK 1.0.0版本重大变更解析与迁移指南

cognitive-services-speech-sdk Sample code for the Microsoft Cognitive Services Speech SDK 项目地址: https://gitcode.com/gh_mirrors/co/cognitive-services-speech-sdk

概述

认知服务语音SDK 1.0.0版本带来了多项重大变更，这些变更旨在提供更清晰、更一致的API设计。本文将详细解析这些变更，并提供从旧版本迁移到1.0.0版本的完整指南。

核心架构变更

1. SpeechFactory的移除与替代方案

在1.0.0版本中，SpeechFactory类已被移除，取而代之的是更明确的配置类：

SpeechConfig：用于描述语音识别的各种设置
AudioConfig：用于描述不同的音频输入源（麦克风、文件或流）

这种变更使得API设计更加清晰，职责分离更明确。

创建语音识别器的新方式

// 使用订阅密钥和服务区域创建语音配置
var config = SpeechConfig.FromSubscription("YourSubscriptionKey", "YourServiceRegion");

// 使用默认麦克风输入创建语音识别器
using (var recognizer = new SpeechRecognizer(config))
{
    // 执行识别
    var result = await recognizer.RecognizeOnceAsync();
    // 处理结果...
}

2. 音频输入处理的变化

旧版本中的CreateSpeechRecognizerWithFileInput()和CreateSpeechRecognizerWithStream()方法已被AudioConfig类取代。

文件输入示例

var config = SpeechConfig.FromSubscription("YourKey", "YourRegion");

// 使用WAV文件作为音频输入
using (var audioInput = AudioConfig.FromWavFileInput(@"audio.wav"))
{
    using (var recognizer = new SpeechRecognizer(config, audioInput))
    {
        var result = await recognizer.RecognizeOnceAsync();
        // 处理结果...
    }
}

流输入支持

1.0.0版本新增了对推送式音频输入流的支持，相关类包括：

AudioInputStream
PullAudioInputStream
PushAudioInputStream

事件系统重构

事件处理器的命名和结构进行了重大调整，使其更加直观和一致。

事件处理器名称变更对照表

| 旧API名称 | 新API名称 | 说明 | |----------|----------|------| | FinalResultReceived | Recognized | 最终识别结果事件 | | IntermediateResultReceived | Recognizing | 中间识别结果事件 | | OnSessionEvent | SessionStarted/SessionStopped | 会话开始/结束事件 | | OnSpeechDetectedEvent | SpeechStartDetected/SpeechEndDetected | 语音开始/结束检测事件 | | RecognitionErrorRaised | Canceled | 识别取消事件 | | SynthesisResultReceived | Synthesizing | 合成事件 |

事件参数类名称变更

| 旧参数类 | 新参数类 | |---------|---------| | SpeechRecognitionResultEventArgs | SpeechRecognitionEventArgs | | IntentRecognitionResultEventArgs | IntentRecognitionEventArgs | | TranslationTextResultEventArgs | TranslationRecognitionEventArgs | | TranslationSynthesisResultEventArgs | TranslationSynthesisEventArgs | | RecognitionErrorEventArgs | 各类CanceledEventArgs |

识别结果体系重构

1.0.0版本引入了统一的识别状态系统：

新增ResultReason类，为所有识别器（语音、意图和翻译）提供统一的识别状态
RecognitionStatus字段更名为Reason
新增CancellationDetails和NoMatchDetails类，提供更详细的取消/不匹配原因

类继承层次变化

RecognitionResult (新增基类)
├── SpeechRecognitionResult
├── IntentRecognitionResult
└── TranslationRecognitionResult

意图识别器改进

基于用户反馈，IntentRecognizer的AddIntent()方法签名进行了优化：

方法签名变更对照表

| 旧方法签名 | 新方法签名 | 说明 | |-----------|-----------|------| | AddIntent(intentId, phrase) | AddIntent(phrase, intentId) | 参数顺序调整 | | 无 | AddIntent(phrase) | 新增简化方法 | | AddIntent(intentId, model, intentName) | AddIntent(model, intentName, intentId) | 参数顺序调整 | | 无 | AddIntent(model, intentName) | 新增简化方法 | | 无 | AddAllIntents(model) | 新增批量添加方法 | | 无 | AddAllIntents(model, intentId) | 新增批量添加方法 |

多语言支持增强

在C/C++ API中，现在统一使用UTF-8编码：

C++ API使用std::string替代std::wstring
使用char替代wchar_t

各语言迁移指南

C#迁移要点

识别器创建方式变化：
- 旧方式使用SpeechFactory
- 新方式直接使用各识别器的构造函数
结果处理逻辑更新：
- 使用ResultReason替代RecognitionStatus
- 新增CancellationDetails提供更详细的错误信息
意图添加方法参数顺序调整