问题标签 [microsoft-speech-api]

我以前从未使用过必应语音 API，所以我对必应语音 API 有很多疑问。

如果我想使用 Bing 语音 API 制作 Android 应用程序，我应该在 Azure 订阅 bing 语音 API 吗？

我应该注册 LUIS 吗？

我想知道“主键”和“订阅键”之间的区别。

我正在尝试为 C# Windows 窗体应用程序可执行文件找到免费的语音识别，它可以作为谷歌语音识别，识别并将绝对新词转换为文本。

我尝试使用 System.Speech.Recognition；不同的方式，但它适用于预先录制的命令，我无法获得这样的结果，例如它与 Python 的 Google Speech Recognition 一起使用，这至少是 95% 的正确结果，足以说，这很好，但显然，如果我没有密钥，它就不能免费使用，也不能在可执行文件中使用。

所以我想试试微软认知服务的 Bing Speech API，但找不到任何如何编码的例子，一些基本的例子。如果有人处理过这个工具，你能帮我弄清楚吗

我正在尝试使用 Python 中的requests包来调用 Microsoft Bing Speech Transcription API。我可以在使用Postman时进行调用，但这需要手动选择要上传的文件（Postman 提供了一个 GUI 来选择文件），但我不确定这个文件选择如何映射到实际的 HTTP 请求（和通过扩展 Pythonrequests请求）。Postman 可以将其内部查询转换为代码，根据 Postman 的说法，它发出的 http 请求是：

如果通过 Pythonrequests库发出的等效请求将是：

但是请注意，在这两种情况下，生成的代码都不会真正传递要转录的音频文件（显然 Postman 不知道如何显示原始音频数据），所以我不确定如何将这些关键信息添加到请求中。我假设在 HTTP 请求代码的情况下，音频流进入显示为“未定义”的位置。在 Python requests 命令中，从阅读文档看来，该response = requests.request(...)行应该替换为：

但是当我运行这个查询时，我得到“请求超时（> 14000 毫秒）”。关于如何通过 Python 成功调用 Microsoft Speech API 的任何想法？任何帮助将不胜感激，谢谢。

我想使用 Java、NodeJs、Go 等编程语言为自定义语音服务创建一个 websocket 客户端。我在哪里可以找到有关如何从头开始使用该 websocket 的一些技术信息（预期的消息、字段等）？我已经阅读了 CSS 文档，但它侧重于如何使用用于 C#、javaScript、Android 的 SDK 库。如果想为不同的语言创建自己的 SDK，我应该考虑什么？

提前致谢。

我正在尝试使用 System.Speech 而不是单词或句子来基本识别字母和数字。我正在使用这篇文章的最佳答案中的代码示例。以下是我看到的一些奇怪的结果：

是否有不同的语法集，或者 GrammarBuilder 的一种方法可以让我将识别限制为只听一系列字母和数字？

我正在尝试在 Bot Framework 中使用 Bing 的语音 API（我对这两种技术都很熟悉）。具体来说，我正在尝试使用它支持的 DataClientWithIntent。我可以在 GitHub中查看此示例，但不幸的是，这似乎只使用了 DataClient，我无法确定它的指定位置。API 以下列方式调用：

如您所见，传入了一个流，但不幸的是，这只写回了用户写的内容。

我已经开发了一个测试机器人，它使用 Luis 应用程序来满足我的需求，但我想增加用户与它交谈或打字并获得相同结果的能力。我确实找到了另一个示例，但这是直接通过 Skype 框架实现的，目前我对此并不感兴趣。

任何想法、文档或澄清将不胜感激。

我正在尝试使用 Microsoft 的 Bing 语音识别服务库。以下命令必须在带有参数的 cmd 中给出。但是我不知道应该以哪种格式输入此命令。我在任何地方都找不到它。有人能帮我吗？我应该指定一个现有的音频 WAV 文件吗？应该给出路径吗？什么是“音频语言环境”？

SpeechClientSample.exe使用以下参数运行：

• Arg[0]：指定输入音频 WAV 文件。
• Arg[1]：指定音频区域。
• Arg[2]：指定识别模式：短ShortPhrase模式和长LongDictation模式。
• Arg[3]：指定订阅密钥以访问语音识别服务。

请参阅C# for .NET Windows 中的语音识别服务库入门。

当我刚使用这些字母时，D 与 B 混淆了，很多字母与其他字母混淆了，所以我将任何不正确的字母替换为一个单词或名称，但正如你所见，它是一半他们。我想知道是否有任何解决方案可以说例如“D”而不会与“B”混淆？

嗨，我试图找到一种方法让 Angular 5 与 Microsoft Speech API 一起工作，我将 microsoft-speech-browser-sdk 用于 javascript

https://github.com/Azure-Samples/SpeechToText-WebSockets-Javascript

我只是从 'microsoft-speech-browser-sdk' 导入 SDK 导入 * 作为 SDK；我尝试在示例中使用相同的代码

但我有这个错误 SDK.Recognizer.CreateRecognizer is not a function 我知道 skd 是导入的，因为它执行第一个函数

我也找不到 API 参考 有没有人用 Angular 完成了这项认知服务？

我目前正在使用 Microsoft Bing Speech to Text api。我想在 n 秒的静音时停止音频收听。这可能吗？