问题标签 [sfspeechrecognizer]

我的项目使用 iOS 10 语音识别。对于连续语音，我使用SFSpeechAudioBufferRecognitionRequestApple 的语音库，并将结果保存到UITextView.

当用户暂停 x 秒时，我想在转录中添加一个句点，但新的转录总是会覆盖句点，因为 iOS 语音将整个转录保存在一个字符串中并继续附加到字符串，然后中继结果持续到我的应用程序。

例如：如果我的转录是hello it's a test并且我的 UI 正确添加了一个句点。但是随后用户记录了更多（没有再次按下麦克风按钮，因为它是连续的），然后该句点将被覆盖，因为语音引擎不知道该句点，因此它将hello it's a test talking again显示在屏幕上并且我丢失了我的编辑。防止这种情况发生的最好方法是什么？

This answer from another post建议使用计时器。正确使用 Timer 会添加一个句点，但它不能解决语音引擎不知道 UI 上已经存在该句点的问题。

根据我正在开发的应用程序的要求，我必须将多个音频文件传递给SFSpeechRecognizer并获得转录作为回报。我通过两种方式做到了

第一种方法——使用递归（运行正确，可以跳过）

我首先通过逐个转录完成了这项任务。即当SFSpeechRecognitionTask完成时，结果被保存，并且该过程通过递归调用再次运行。

SFSpeechRecognizer这种方法效果很好，但是由于每个请求都需要时间来完成，因此需要花费太多时间。

第二种方法 - 使用循环和后台线程（这个有问题）

我试图创建多个请求并一次在后台执行它们。为此，我创建了一个 For 循环，直到音频文件的数量，在该循环中，我调用了该函数来创建SFSpeechRecognizer请求和任务。

获得语音识别结果的函数是

当我运行此代码时，只有一个任务执行，其他任务给出此错误

+[AFAggregator logDictationFailedWithError:] 错误域=kAFAssistantErrorDomain 代码=209 "(null)"

我在互联网上搜索了此错误，但没有包含其详细信息的文档。

这可能是由于SFSpeechRecognitionTask并行运行，但在此处的官方 Apple 文档中，他们并没有禁止这样做，因为我们可以SFSpeechRecognitionRequest单独创建对象。我们不使用单例对象SFSpeechRecognizer

让我知道是否有人知道发生了什么以及您建议我做什么。

我正在尝试运行SFSpeechRecognizer. 不幸的是我总是得到这个错误：

[Utility] +[AFAggregator logDictationFailedWithError:] Error Domain=kAFAssistantErrorDomain Code=209 "(null)"

这个错误是什么意思？

我正在尝试使用SFSpeechRecognizer. 不幸的是，它似乎是实时运行的，例如，如果音频文件长 1 分钟，SFSpeechRecognizer则需要 1 分钟来转录它。

我还没有找到加快速度的选项。我知道AVAudioPlayer有一个速度选项，但我想知道是否可以加快录制文件的速度AVAudioRecorder？

我已经开始遇到以前在初始化记录时没有发生的崩溃并出现错误：

这似乎是一些人在使用AudioKit时也会遇到的一个棘手错误。

在这种情况下，它似乎与使用 48k 而不是 44.1k 的采样率有关。但是，就我而言，使用音频引擎，我根本没有设置任何采样率。

我的代码主要是用于记录的样板。崩溃发生在以下行：

任何人都可以建议在使用音频引擎进行录制时如何解决这个问题？

感谢您的任何建议。

编辑

这就是我创建recordingFormat的方式：

这就是调试器中的recordingFormat ..它似乎设置为44.1k：

inputNode 看起来像这样：

编辑2：

该问题似乎与 Apple 将输入格式更改为 48k 有关，如下所述：

这说明了不匹配：

然而，这个使用 avaudioconverter 的修复似乎非常复杂。其他人如何处理这个问题？

我正在测试SFSpeechRecognizer. 我无法使用XCTAssertThrowsError().

如果没有语言环境，创建SFSpeechRecognizer将返回一个对象。nil

这是我尝试抛出的单元测试功能：

由于以下错误，单元测试失败：

XCTAssertThrowsError 失败：没有抛出错误。

我不确定为什么会这样。有什么建议么？

我正在构建一个支持语音识别并将语音转换为文本的搜索，因此我正在使用SFSpeechRecognizer. 但问题是我需要同时支持多种语言，例如（“ en_US”，“ fr”，，，vi）ar。

主要思想是用户可以说例如一个英语单词和另一个法语单词，我希望引擎能够检测到这一点。

目前，我正在使用它来设置我的主要语言

英语：

法语：

我需要单独设置的每种语言。

有没有办法SFSpeechRecognizer同时支持多种语言？

标题中描述的场景会产生如下错误：

由于未捕获的异常“com.apple.coreaudio.avfaudio”而终止应用程序，原因：“所需条件为假：IsFormatSampleRateAndChannelCountValid(format)

在那之后，我被倾倒到应用程序委托中，并且没有为出了什么问题提供太多帮助。

我熟悉正确结束音频会话的必要性，但在我的特殊情况下，这会在开始会话时发生，特别是在这里：

即使只是将文本从 UITextView 传输到 UILabel 时，带有标签的视图控制器中的音量也变得非常安静。

除了音量问题之外，几乎所有东西都可以完美运行。

语音类文件：

文本到语音控制器：

语音到文本控制器：

只希望音量正常。在我添加语音识别之前很好。

Android Speech-to-text 对背景噪音非常敏感。用例是在浅背景噪声恒定的区域中使用语音到文本。只想控制特定语音级别的语音识别。

尝试使用Speech Recogniser 的 RMS 和缓冲区输入来解决问题。一些使用相同逻辑的解决方法会有所帮助。

从 Android 语音到文本识别器返回的回调是：