问题标签 [speech-to-text]

我想在我的微软表面应用程序中使用一些语音 2 文本。我看到这是可能的，但我真的不知道从哪里开始。是否有任何可用的框架/库、代码片段或教程？

我什至不知道我应该用谷歌搜索什么；）

===EDIT=== 我读到有必要使用语法来识别单词。因此，如果我想继续自由文本，是否有预定义的英语语法？还是不使用语音2文本而只使用音频文件是更好的选择？

我终于成功地构建并运行了 pocketsphinx (pocketsphinx_continuous)。我遇到的问题是如何提高准确性。据我了解，您可以指定一个字典文件（-dict test.dic）。所以我使用了默认的字典文件，并添加了一些相同单词的更多发音，例如：

然而，pocketsphinx 仍然根本无法识别这两个词。我知道您也可以指定一个 jsgf 文件，但这似乎更适用于短语和语法。如何让pocketsphinx 识别铅笔和意大利面条等常用词？

谢谢

-麦克风

编辑：我应该已经提到了这一点，但我正在服务中运行此代码。整个应用程序由一个小部件按钮打开/关闭，并且没有任何活动。

更新：我尝试将 SDK 源附加到项目中，以便更准确地了解故障发生的位置，但从外观上看，仅包含公共 API，这似乎使它们不太有用。 . 任何人都可以建议至少一种调试方法来解决这个问题吗？我有点卡住了。

我正在尝试使用 Android 的语音识别包来记录用户语音并将其翻译成文本。不幸的是，当我尝试开始收听时，我收到了一个 ANR 错误，它没有指向任何特定的内容。

正如 SpeechRecognizer API 所指出的，如果您尝试从主线程调用它，则会引发 RuntimeException。这会让我想知道处理是否过于苛刻......但我知道其他应用程序为此目的使用 Android API，而且它通常非常活泼。

java.lang.RuntimeException: SpeechRecognizer should be used only from the application's main thread

这是我试图从我的服务中调用的代码的（修剪）示例。这是正确的方法吗？

感谢您花时间提供帮助。这一直是我无法克服的障碍。

我正在制作一个涉及使用 Windows 语音识别的应用程序。我正在考虑使用 c++ 来做到这一点，因为我对这种语言有一些经验。我想使用语音识别的方式是让它在内部工作。如果我将音频文件上传到我的程序中，我希望语音识别将此音频写为文本文件，但这一切都应该在内部完成。请为此提供一些帮助，如果我没有正确解释我的问题，请告诉我，我会再次尝试解释。

在此先感谢， divs

我想使用 pyspeech API 转录 mp3（语音转文本）。不过，我不知道这是否可能。

是吗？如何？

我需要一个 API 或库（最好是免费的），它将通过麦克风将语音/语音转换为文本（字符串）。

此外，我将需要一个 API 或库来进行文本到语音的转换。

我想使用 C# 和 .NET，但其他语言就足够了。

谢谢。

我可以使用freetts进行语音到文本转换之类的操作吗？

我需要从笔记本电脑的音频输入中检测特定的声音，我可以通过 java 中的freetts来做到这一点吗？

Android Dev 网站提供了一个使用内置 Google Speech Input Activity 进行语音输入的示例。活动显示带有麦克风的预配置弹出窗口，并使用onActivityResult()

我的问题：有没有办法SpeechRecognizer直接使用类进行语音输入而不显示预设活动？这将让我为语音输入构建自己的活动。

Sphinx4 是否支持对视频文件进行语音到文本处理？如果是，是否需要 JMF？有教程吗？？

我找不到任何东西，不在他们的论坛中，也没有人在他们的IRC 频道中回复！

我正在开展一个使用生物识别系统来保护系统的项目。我们计划使用人声来保护系统。

想法是让人们说一些单词或句子，系统将以数字格式存储该语音。下次人们想进入系统时，他/她必须说一些可能与之前使用的单词不同或不同的单词。

我们不想匹配单词，但想要匹配语音频率。

我已经阅读了一些关于这个系统的研究论文，但是这些论文没有任何实现细节。

所以只想知道是否有任何软件/API可以将模拟语音转换为数字格式，并且还会告诉我们语音的频率。

到目前为止，我一直在开发普通的基于 Web 的应用程序，所以我知道普通的 API 和平台，如 Java EE、C# 等，但我对这类应用程序没有任何经验。

请赐教！！！