问题标签 [speech-to-text]

以下简单代码尝试将波形文件发布到 Google Speech2Text 服务，但总是失败，出现“网关超时 (504)”或一般异常“操作超时”。有人可以帮忙吗？

非常感谢。

舒贾特

如何在服务器端实现语音识别（请不要建议HTML5's x-webkit-speech，javascript等）？该程序将音频文件作为输入，并以足够的准确性提供音频文件的文本转录。我可以使用哪些选项？

我曾尝试使用 Voxforge 模型实现 Sphin4，但准确性太差（它们可能也是我的配置中的一些问题，我仍在尝试学习它）。在一篇文章中，我读到当我们使用<input name="speech" id="speech" type="text" x-webkit-speech />输入时，输入被发送到外部服务器，该服务器进行识别并将数据发送回浏览器。

如何设置该服务器？如果任何现有的开源服务器能够以最小的错误率识别英语句子，它也会很有用。

我有一个客户需要一个可以识别语音命令的 Android 应用程序。据我了解，内置的语音到文本功能实际上将数据发送到谷歌的服务器，然后再发回文本翻译。这是一个主要问题，因为语音数据非常敏感（除非数据在发送到 Google 或从 Google 发送时已加密 - 但我怀疑它是否已加密）。

我能想到2个选项。首先是在 Android 上将语音转换为文本，尽管这似乎是一项极其昂贵的操作。第二种可能性是让本地服务器为我转换数据（我可以在发送和接收语音数据时加密语音数据和翻译）。这是 CMU Sphinx 可以实现的吗？值得注意的是，我还可以访问 Asterisk 服务器，这可能有助于解决这个问题（我不知道）。

实际上，应该只有大约 200 个单词需要被识别。我更喜欢开源/免费软件解决方案，但我也对商业解决方案（可能是 FlexT9）持开放态度。理想情况下，我可以将音频流发送到某个地方，取回作为文本的字符串，然后我可以解析该字符串并使用该字符串执行其他操作。

我过去没有做过太多的 android 或任何语音识别开发，所以我希望有人至少可以为我指明正确的方向。谢谢！

我已经成功地完全实现了 ispeech API，请参阅http://www.ispeech.org/developers我的应用程序将语音转换为文本（请参阅 sdk 中的演示应用程序http://www.ispeech.org/instructions/sampleprojects/ iphone/IntegrationGuide.html )。但不幸的是，它把我们所说的只用英语翻译成文本。

我需要的。

有一个“说话”按钮可以听取用户所说的内容并将其转换为文本（适用于英语）。还有另一个按钮，允许用户选择此应用程序屏幕截图中所见的语言（http://screencast.com/t/7vBFH565qD）。因此，当用户以所选语言说话时，它应该被转换为相同的语言。在我的情况下，无论我们说什么，它都只需要用英语输入..

谢谢大家。。

我tasker说话时用来发送文本。但是，我的.py文件似乎没有像我想的那样将我的演讲保存到剪贴板。您可以看到我首先将剪贴板保存为变量，以便稍后将其重置，以防万一它很重要。

这是我到目前为止...

1. 变量集（名称：%SAVECLIP 到：%CLIP）如果（%CLIP 已设置）
2. 设置剪贴板（文本：不重要。）
3. 运行脚本（名称：SpeechToClip.py）
4. 等到（MS：秒：2 分钟：0 小时：0 天：0）
5. 发送短信（号码：一个号码文字：%CLIP）
6. 设置剪贴板（文本：%SAVECLIP 添加：关闭）如果（设置了%SAVECLIP）
7. 变量清除（名称：%SAVECLIP）

我的.py文件是在记事本中创建的，然后复制到我的sl4a/scripts文件夹中。这是我的 .py 文件包含的内容...

我认为这个.py文件是发生错误的地方，因为我的剪贴板仍然“不重要”。收到的短信也说“不重要”。而不是我所说的。

任何帮助/建议将不胜感激。

我对 C# 和 Microsoft Speech 平台都比较陌生，但我正在开发一个需要转录免费听写的服务器应用程序。MS Speech Platform SDK 看起来很完美，并且可以在服务器上运行，除非我在 GrammarBuilder 中引用 AppendDictation() 方法。

我正在使用 Microsoft Speech Platform SDK 11，如果我定义语法，应用程序可以正常工作，但是当我添加 AppendDictation() 时，我遇到了这个错误：

即使是文档中的这个示例似乎也失败了：

奇怪的是，如果我将 LoadGrammar 更改为 LoadGrammarAsync，则会加载语法（或至少调用事件处理程序），但是识别器会因以下错误而失败：

我读过该平台的服务器版本不支持听写，但它会附带一个不起作用的方法似乎很奇怪。有没有人设法让听写语法在服务器上工作？我究竟做错了什么？

非常感谢

下面是让powershell说话的方法。

其实我想做相反的事情。如果我说话，powershell可以将其转换为字母。

如果我在录音机中说“嘿，我会说话”，它会转换成文字吗？

如果可能，请指导我如何实现它？

我有两个 .wav 文件需要比较并确定它们是否包含相同的单词（顺序也相同）。

我一直在寻找最好的方法。我不知道如何让 pyspeech 使用文件作为输入。我试过让 CMU sphinx 项目工作，但我似乎无法让 GStreamer 与 Python 27 一起工作，更不用说他们的项目了。我也搞砸了 DragonFly 也没有运气。

我正在使用带有 Python27 的 Win7 64 位。有没有人有任何想法？

任何帮助是极大的赞赏。

我需要使用语音输入来插入文本。我说话时如何检测关键字？

我可以使用 Android 语音输入执行此操作还是需要外部库？有任何想法吗 ？

谢谢

我查了很多，但没有发现任何有用的东西。还有任何 API 支持可以做到这一点吗？任何链接和想法将不胜感激。