speech-recognition - 以字符串形式获取语音输入

Question

是否可以获得用户在 VoiceXML 应用程序中所说内容的字符串表示形式？例如在数据库查询中使用它。

到目前为止，我看到的大多数示例都只是尝试匹配（xml-）定义的选择数量。如果想要使用输入来匹配具有>100k 条目的数据库，这是不合适的。

谢谢

Answer 1

您可以将语音输入作为带有最后结果的 utterance 属性的字符串（VoiceXML 规范）

然而，这不是你的问题。您需要一个开放式语法或可以处理 100K 条目的系统。那是识别引擎的产物，而不是 VoiceXML 语言。理论上，你可以构建一个 100K 的 SRGS 语法。实际上，如果它们都是唯一输入而没有更清晰的定义方式，那么这可能太大了。您可以使用带有静态列表或条目或由项目组件组成的统计语言模型（假设它们共享公共组件）的引擎的原生语法来执行此操作。

您可以查看听写引擎。我认为我没有看到任何附加到 VoiceXML 平台的内容，因为它们通常不能很好地与正常的 VoiceXML 用例对齐，并且大多数听写引擎需要训练和常规句子结构才能完全识别输入。