问题标签 [speech-recognition]

我只是对这个场景感兴趣。假设您正在构建一个 Web 应用程序，并且希望接收语音命令并根据语音到文本的结果执行操作。

是否有任何主要障碍可能使其成为杀手级应用程序？

有语音层次、句法层次、语义层次、音韵层次、声学层次、语言层次、语言层次。

还有其他级别吗？

自下而上的顺序是什么？

它们到底是关于什么的？

如何正确参数化语音识别器，以便它可以更轻松地识别用户可能会说的单词？

据我所知，没有办法。

我相信这个网站是错误的：http ://www.4feets.com/2009/04/speech-recognition-in-android-sdk-15/

根据该站点，此代码： ArrayList< String > potentialResults = new ArrayList< String >();
potentialResults.add("黄色");
潜在结果.add("绿色");
潜在结果.add("蓝色");
潜在结果.add("red");

将提示识别器您可能会说出这些话。但是，它似乎完全没有做任何事情。它也与谷歌文档冲突，其中说：

“执行 ACTION_RECOGNIZE_SPEECH 时的潜在结果的 ArrayList。仅在返回 RESULT_OK 时出现。” 这暗示该数组是返回值而不是输入。

要对此进行测试，请尝试添加： ArrayList< String > potentialResults = new ArrayList< String >();
potentialResults.add("孜然"); 并尝试让语音识别器识别它。你会发现它非常困难。

有没有人了解如何正确控制语音识别器？

我想通过调用 ISpMMSysAudio::SetLineId 为 SAPI 设置 lineId。我从我拥有的搅拌机手柄上找出我想设置的线。然而，我从混音器获得的线路 ID 不是 SAPI 所假设的。这会导致 SAPI 监听麦克风的错误输入线，因此没有输入。

我正在为混音器手柄获取“DST_WAVEIN”的多路复用器控制，然后检查麦克风的哪个源线处于活动状态。我希望将活动行设置为 SAPI 的“输入”。

我通过枚举 MUX 控制从混音器获取线路 ID，如下所示：

int GetSelectedWaveInLine(UINT uMixrId) { int iRetVal = -1; MMRESULT 毫米结果；HMIXER dwMixerHandle；

}

Mixer 返回的索引与 ISpMMSysAudio 使用的索引不匹配。我的语音引擎选择不同的线路 ID。

谢谢

我必须制作应该在 MAC 和 PC 上运行的语音识别应用程序，我对 SAPI 有一个想法，但它只适用于 PC，而不适用于 MAC。

我可以使用任何其他 API 或框架来实现这一点，编程语言对我来说不是吧。

我有一个使用 sapi 5.3 进行基本听写的示例应用程序。
输入带有标点符号的文本效果很好......
我需要做什么来启用教程中的更正功能（正确的单词，选择......）？
是否有特定的语法要加载（哪个以及如何加载），要实现一些特定的事件？

我正在为我们的一个项目分析Sphinx语音识别器。要求是将语音转换为文本，支持包括英语（美国）在内的 6 种语言。有人知道这在 Sphinx 中是否可行吗？

我们选择 Sphinx 的原因是我们希望应用程序兼容 Windows、Mac 和 Linux 平台。

我正在尝试使用 Sphinx II 实现语音识别器客户端，我的目标是让某人阅读文本中的书面句子，并对每个单词进行置信度评分。所以为此我使用有限状态语法和有限的字典。
我得到了一些工作，但信心得分非常低（< 0.30）。我使用的设置与 Sphinx 2 的简单 Reco 示例相同。由于每个发音的单词只有一种可能性（每个单词在语法中是一种状态），我通常应该有高分和高效的识别，但是假设需要时间来计算。我也得到了这个词一被发音的假设。所以现在我实际上不知道该去哪里改进这一点。我是否为此类问题使用了正确的解决方案？我应该改用语言模型吗？如果是，如何将上下文限制为故事中的给定句子？

我还需要使用狮身人面像训练器吗？到目前为止，我已经使用网络工具生成了语言模型/字典。

您的帮助将不胜感激。谢谢，鲍里斯·古根

我需要用一些音频来测试Julius Speech to Text 的转换。此外，还可以模拟音频上的噪声。

有人知道这样的软件吗？有人和朱利叶斯合作过吗？对图书馆有任何意见吗？

我正在使用 XML 语法文件来开发命令和控制应用程序。由于语法中有大约 4000 个条目，我不能将它们全部放在一个文件中（当我尝试加载它时会出错）。我已经编写了多个 XML 语法文件，但是当我尝试加载多个文件时，它会替换之前加载的文件。那就是程序只识别第二个语法文件中的短语。谁能告诉我如何在单个语音识别应用程序中加载多个语法？