问题标签 [microsoft-speech-platform]

我在 C# 中使用 System.Speech 编写了一个用于语音识别的应用程序，该应用程序在 Windows 7 上运行良好。但是我在创建可以在 Windows 2003 (x86) 上运行的相同应用程序之后。

我的编程环境：Windows 7 x64 Pro Visual Studio 2008

为了在我的编程环境中开发这个应用程序，我安装了：

1.Microsoft 语音平台 - 服务器运行时（版本 10.1）（x86）

http://www.microsoft.com/downloads/details.aspx?FamilyID=674356C4-E742-4855-B3CC-FC4D5522C449&displaylang=en&displaylang=en

2.微软语音平台-软件开发工具包（SDK）（10.1版）（x86）

http://www.microsoft.com/downloads/details.aspx?displaylang=en&FamilyID=4d36908b-3264-49ef-b154-f23bf7f44ef4

3.Microsoft Speech Platform - 服务器运行时语言（版本 10.1）

（此处为 en-GB 安装了 SR）

http://www.microsoft.com/downloads/details.aspx?displaylang=en&FamilyID=f704cd64-1dbf-47a7-ba49-27c5843a12d5

在我的程序中，我使用了 Microsoft.Speech.Recognition 而不是 System.Speech；

从 SDK 文档中粘贴此代码：

我还在项目属性中将平台目标设置为 x86。代码可以编译，但是一旦我运行或调试它就无法识别。知道我错过了什么吗？

所以我正在尝试为 TTS 和 SR 启动并运行 MS Speech Platform 11 + SDK + Russian Language

1. 安装 SpeechPlatformRuntime.x64.msi
2. 安装 MicrosoftSpeechPlatformSDK.x64.msi --- 两者都转到正确的“程序文件”文件夹。
3. 安装 MSSpeech_SR_ru-RU_TELE.msi
4. 安装 MSSpeech_TTS_ru-RU_Elena.msi --- 两者都进入“Program Files (x86)”文件夹。- 可以吗？

似乎没有，因为当我查看 SpeechRecognitionEngine.InstalledRecognizers() 它返回 2 项：

但我从未安装过这个识别器。我查看了 Win 7 组件，但找不到与此相关的任何内容。

所以问题是：

1. 是否需要在 x64 程序文件中安装语言？如果是这样，该怎么做？
2. 如何配置识别器和合成器以查看 ru-RU 语言？

非常感谢任何帮助。

如果音频的采样率和位深度与系统的训练数据匹配，则识别结果最好。

那么，有没有人知道 Microsoft Speech Platform 中使用的确切采样率和/或位深度（和/或立体声/单声道）（如果这很重要，是最新的）？如果是这样，你还记得你是从哪里得到这些信息的吗？

请注意，我使用的是 MS Speech Platform，而不是 SAPI。除非两者都使用相同的训练数据，否则这不是相同的 AFAIK。准确地说 - 我使用这个：http: //msdn.microsoft.com/en-us/library/microsoft.speech.recognition.speechrecognitionengine.setinputtowavefile%28v=office.14%29.aspx

我的第一次尝试是基于页面上给出的 C++ 代码示例。

我想使用具有不同声音的 MS Speech SDK 11，而不仅仅是 Microsoft Anna。我下载了语言包并安装了其中一些，但它们尚不可用。请问如何使用 MS Speech SDK 11 使用不同的语言？

我有一个应用程序，用户可以在其中说话和一个词，他将获得他所说的词的准确百分比。即引擎识别这个词的程度。

这一切都很好，但我有一个难题，需要将哪些单词添加到字典中，我将作为字典提供给识别引擎。

如果我为 case pen 给出以“p”开头的单词，那么像 pendant、pent 等所有单词都将被添加到字典中。在这种情况下，我没有得到识别为“pen”的单词。

相反，我总是得到其他词，如“吊坠”等

但是，如果我只在字典中添加有限的单词，例如“pe”、“pen”，那么对于同一个录制文件，我只能将识别的单词作为“Pen”。

意味着它显然取决于我们提供给字典的单词。

我已经向我的客户传达了同样的信息。但是他们想要的是，对于给定的输入词，他们也可以说出错误的词，所以当时他们不需要获得准确性并获得识别的文本。

我已经为这个问题做了我本可以做的事情。但是我的客户需要宇宙之外的东西。

代码 ：

有没有专家在这里解决这个问题？任何帮助将不胜感激。

谢谢

是否可以像我们为 CMU Sphinx 一样为 Micorosoft 语音识别引擎创建声学模型

CMUSphinx 链接： http ://cmusphinx.sourceforge.net/wiki/tutorialadapt

我进行了一些搜索，但没有找到合适的答案或解决方案。

谁能指出我正确的方向。

谢谢

我正在使用依赖语音输入的 Kinect 开发 ac# 应用程序。我有一个阿拉伯语单词列表，用户可以说这些单词来选择不同的菜单项。

过去几天我一直在寻找，但收效甚微。我发现的东西：

CMU Sphinx：http ://www.ccse.kfupm.edu.sa/~elshafei/AASR.htm 第一个问题是它是基于java的。我已经查看了 KVM 和桥接器，但我无法在这件事上走得太远。我无法将其设置为在 Java 中工作。没有关于如何使用已经准备好的文件的步骤。

我还查看了使用此链接建议的 SRGSdocument在 Microsoft Speech API 中指定单词的发音， 但这对于我的目的来说太复杂了，我什至不知道它是否是我需要的。

我还查看了Microsoft Speech Recognition Custom Training 这个人的问题很相似，但我无法以同样的方式解决我的问题。

我无法使用 Sakhr 等商业应用程序，因为我没有预算。简单地将单词添加到语法中是行不通的，因为这些单词不符合英语的正常发音规则。

基本上，我正在寻找的是某种工具，它可以将用英语编写的单词与来自麦克风的一组不同发音（如预训练）连接起来，然后可以在运行时由语音引擎引用。这可能吗？

我愿意接受任何选择。

谢谢。

我是使用 Microsoft.Speech 识别器（使用 Microsoft Speech Platform SDK 版本 11）的新手，我试图让它从一个简单的语法输出 n 最佳识别匹配，以及每个的置信度分数。

根据文档（以及在对这个问题的回答中e.Result.Alternates提到的），除了得分最高的单词之外，应该能够使用它来访问已识别的单词。但是，即使将置信度拒绝阈值重置为 0（这应该意味着什么都不会被拒绝），我仍然只得到一个结果，并且没有替代（尽管SpeechHypothesized事件表明至少其他单词中的一个似乎确实被识别为 non - 在某些时候置信度为零）。

我的问题：任何人都可以向我解释为什么我只得到一个识别词，即使置信度拒绝阈值设置为零？如何获得其他可能的匹配项及其置信度分数？我在这里想念什么？

下面是我的代码。提前感谢任何可以提供帮助的人:)

在下面的示例中，识别器被发送一个单词“news”的 wav 文件，并且必须从相似的单词（“noose”、“newts”）中进行选择。我想提取每个单词的识别器置信度得分列表（它们都应该不为零），即使它只会返回最好的一个（“新闻”）作为结果。

这给出了以下输出：

我还尝试为每个单词使用一个单独的短语（而不是一个具有三个选项的短语），甚至为每个单词/短语使用单独的语法来实现这一点。结果基本相同：只有一个“替代品”。

我正在使用Microsoft.Speech.Recognition并且需要使用相当大的语法来完成识别任务。因此，我创建并稍后将语法修改为 a SrgsDocument，然后Grammar从中构造一个对象。此时，我将语法加载到引擎中，以准备使用该SpeechRecognitionEngine.LoadGrammar方法进行识别。

换句话说，我有类似的东西：

在这一点上，加载语法，几分钟后我有时（并非总是，并且不是真正作为语法大小的函数）收到错误“任务无法完成，因为 SR 引擎已超时。”

如果我捕捉到异常并尝试再次将相同的语法加载到同一个引擎中，有时它会成功加载（尽管非常缓慢），有时它会再次给出相同的错误。

这是什么原因造成的？为什么有时会超时，有时会使用相同的语法/引擎？

我能做些什么来加快语法加载速度吗？

任何想法都会非常感激。

是否有可能在 Windows 8 和 Windows Server 2012 机器上使用 System.Speech 或 Microsoft.Speech 设置另一个麦克风输入而不是系统默认值来识别语音？

我浏览了文档，但没有找到明显的方法。但也许有一种解决方法，或者我错过了什么？