问题标签 [speech]

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。

我有一台 Win XP Pro 笔记本电脑。我想在我的一些 VB.NET 项目中使用 Speech API。但是，当我在 Visual Studio 中打开“添加引用”对话框时，我得到了 Microsoft Speech Object Library 5.0。我决定尝试更新到 SAPI 5.1

所以我下载并解压 SpeechSDK51MSM.exe 到默认目录（C:\DOCUME~1\laptop\LOCALS~1\Temp）。（仍然不确定使用此 MSM 文件的正确方法。）

然后我下载并安装了 SpeechSDK51.exe。

不过，当我转到 Projects > Add Reference > COM 时，我得到：
Microsoft Speech Object Library 5.0 C:\Program Files\Common Files\Microsoft Shared\Speech\sapi.dll

生成的 Interop.SpeechLib.dll 文件是 5.0.0.0 版本
，我预计是 5.1.xx

难道我做错了什么？

谢谢。

我正在尝试使用 Chrome 语音输入控件。基本操作没问题，但是输入一些语音后我无法触发事件。可能是一些愚蠢的东西，但我看不到它。

这是html：

我尝试添加内联事件处理程序，但无济于事。然后我尝试了一个 jQuery 绑定：

我还尝试将“onspeechchange”作为事件名称。据我所知，也没有任何作用。

此外，每次我点击麦克风时，都会弹出“现在说话”的小气泡。当我停止讲话时，气泡的内容消失了，但气泡本身仍然显示在顶部。在我完全关闭 Chrome 之前它不会关闭。如果我输入多个语音输入，我会得到多个气泡。我有一些 Chrome 配置问题吗？我正在使用 18.0.1025.1 dev-m。

我正在阅读 Android Developer's Cookbook。我在“食谱：使用语音转文本启动活动以获得结果”。当我运行应用程序时，我得到了抱歉！/强制关闭 toast，我在 LogCat 中收到此错误：无法打开堆栈跟踪文件'/data/anr/traces.txt'：权限被拒绝。

谷歌搜索了一段时间没有运气。我敢肯定这是显而易见的。这是我的代码：

我正在玩 Android 的语音识别，并希望能够使语音识别意图超时。我正在创建并启动基于 Android API 示例代码的语音识别意图，它工作正常。如果在 N 毫秒后没有音频输入，我想要的是能够自动取消/超时语音检测。换句话说，听语音，如果在短时间内没有语音，则返回启动意图的活动。这可能吗？我查看了 RecognizerIntent 的文档，没有额外的字段来说明这样做的意图。

我正在 android 中进行文本到语音转换的项目。如何检索存储在外部存储设备中的语音文件？

我首先尝试了一个图像，这是我的代码......它不工作..没有显示错误..但没有显示。这是我的代码

如何停止 System.Speech.Synthesi.Syntheziser？有用于暂停和恢复的内置方法，但我不知道如何完全停止引擎。当我使用 SpeakAsyncCancel 方法时，状态属性表明合成器仍在说话。

我必须使用线程还是我不明白？

我在 ubuntu 11.10 上使用 pocketsphinx python 绑定。我将语法和音频文件传递给它，它运行良好。我现在正在寻找音频文件中每个单词的时间戳。我见过：

我相信应该做我需要的。但是我似乎无法在python中找到这样做。这可能吗？

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。

我正在开发一个交互式口语对话系统，用户会对系统说些什么，系统会用语音回答他，并根据语音生成面部表情。但是，我不知道如何生成面部表情。有人会告诉我我该如何开始，或者如果已经存在任何开源软件包，那就太好了。如果有人知道与此相关的任何开源软件，请告诉我。