speech-recognition - 语音识别和语音合成入门

Question

我想开始使用基于语音识别的 Prototype中的语音识别和语音合成 有人告诉我使用微软语音服务器（sdk 等）

当我有这个时，我如何对应用程序进行编程，以及使用哪种编程语言（开发环境？）？

有人使用星号或 SVOX 吗？

我需要去做：

语音识别语音合成

我不必是一个非常好的语音识别 - 我认为 30 -50 个单词应该足够开始了。我正在使用 Windows。

提前致谢

Answer 1

如果您选择使用 Microsoft 语音引擎，则有 .NET 框架 API。正如我在另一篇文章中提到的，有两个命名空间（System.Speech 用于桌面，Microsoft.Speech 用于服务器）。您可以使用任何 .NET 语言进行编程，并且可以使用 Visual Studio。

几年前在http://msdn.microsoft.com/en-us/magazine/cc163663.aspx上发表了一篇非常好的文章。这可能是迄今为止我发现的最好的介绍性文章。但是，它基于 WinFX API 的预发布版本，并且在 Vista 发布时更改了 System.Speech 类。由于这些破坏性的 API 更改，本文中的示例无法编译，我没有找到任何更新或勘误表来解释这一点。在 Internet 上搜索方法名称“AppendResultKeyValue”，您会发现一些论坛帖子，例如http://www.ms-news.net/f3012/system-speech-break-changes-3025734.html，人们在其中遇到了这个问题同样的问题。

它仍然是一篇很好的介绍性文章，值得一读。稍加修改，您就可以让示例应用程序正常工作。

Answer 2

当我学习计算语言学时，选择的工具是Praat，这是一个非常混乱的原型设计工具，可以让你做任何与语音相关的事情。

我不认为它有任何外部 API，但它的内部脚本语言对于初级应用程序来说已经足够了，而且它有很多内置函数。对于理论和算法的“入门”来说，还不错。