问题标签 [speech]

我找到了语音模块，我可以让我的电脑说出我写的东西。但问题是当我从这里尝试示例代码时：http: //pypi.python.org/pypi/speech/0.5.1它给了我一个错误并且不能这样做。这是我得到的错误：

我真的希望有人能帮助我。

非常感谢提前，

杰克

众所周知，现在 MS 语音 API (Microsoft.Speech) 的服务器版本不支持加载听写语法。

Q1：有没有办法解决这个问题？

Q2：我想到的一个想法是根据人们在特定主题上的对话历史（例如聊天室）构建语法。该软件需要进行自然语言转录，但使用的语言子集可能会有所限制。

这是否有可能相当准确和稳健？或者它是不是你不打算用非发音语法做的事情？

谢谢

简

我想开始使用基于语音识别的 Prototype中的语音识别和语音合成 有人告诉我使用微软语音服务器（sdk 等）

当我有这个时，我如何对应用程序进行编程，以及使用哪种编程语言（开发环境？）？

有人使用星号或 SVOX 吗？

我需要去做：

语音识别语音合成

我不必是一个非常好的语音识别 - 我认为 30 -50 个单词应该足够开始了。我正在使用 Windows。

提前致谢

我试图找到一些可以测试字符串“发音”的东西，尽管我实际上怀疑是否有任何东西可以免费获得。

发现微软有一个库，我实际上有点惊讶。 http://msdn.microsoft.com/en-us/library/ms718902(VS.85).aspx

这让我开始思考，也许它确实存在于其他地方，或者也许有一些合理的 soundex+foo 组合，我可以将它们组合在一起，这将奖励 BOOL 或“% RATING”，这可能有助于我确定生成的字符串是否是发音。

你会如何解决这个问题？难度：在 LAMP 系统上实现（我希望我的网络服务器自动对单词的 PINDEX 进行分类）。

编辑：oo...发现了一些更酷的链接。凉爽的！:)

http://www.addedbytes.com/code/flesch-kincaid-function/

如何检查一个字符串是否看起来是随机的，或者是人为生成的和发音的？

编辑2：

天啊！有一个可用的谷歌代码项目：

http://code.google.com/p/php-text-statistics/

如果我确实设法让它工作，我一定会跟进一个简短的教程。

嗨，我想要一个语音识别 api 或 sdk 来识别用户所说的语音并给出它的文本形式。

详细说明如下：

在我的应用程序中，我需要播放已经存在的音频文件和文本。当音频开始播放时，应该突出显示所说的单词（来自音频文件）。

因此，如果我能够从 api 或 sdk 中获取单词，则可以突出显示它。

除了我用谷歌搜索了很多 api 并且我遇到了ceedvocalsdk但它不能免费试用。

如果有人可以提供除此适合我的要求或 api 或 sdk 的任何想法，我将非常感激。

我有一个问题，在http://www.vxml.org/frame.jsp?page=t_1.htm 它说我必须将 voicexmlfile 保存为 .xml

但是当我在语音服务器 2007 上创建一个新应用程序时，它说，我只能将 .speax 文件放在那里......

但是当我这样做时，它不起作用......

我必须将其保存为 .spax 吗？在服务器上创建一个新应用程序有什么问题吗？

谢谢 :>

我正在尝试让 TextToSpeech 在 Android 模拟器中说出字母数字引用。如果我有一个诸如“31NAA123”之类的字符串，那么我会在所有字符之间插入空格，然后将其提交给 speak 方法。它可以处理大多数字母，但会偶然发现“A”，它们发出的声音几乎听不见很短的“啊”，几乎和点击一样短。我试过replaceAll("A", "AY")，结果是“是的，为什么”。我已经尝试过将大多数语速降至 0.3f - 没有任何效果。我正在使用英国语言​​环境来赋予英国口音。如果有人有任何有用的建议，我将不胜感激。

（我怀疑'i'会给出类似的问题，'o'似乎没问题）

有两个语音样本（wav 或 mp3）。需要比较两者并设置一些比较系数。

它需要像罗塞塔石碑一样训练发音。

首选 .net 的库。

这个问题很可能没有答案，但我非常希望能在这件事上得到一些帮助。我找到了一段用 Python 处理微软 Speech API 的代码，然后去了解了 W3C 的“ Speech Recognition Grammar Specification Version 1.0 ”。

我把它归结为：

据我了解，上述错误代码对应“SPERR_NO_DRIVER”，与“没有安装波形驱动程序”有关。

我现在被困住了。我不知道在这种情况下，wave driver 是什么，也不知道在哪里可以找到它或如何调试它等等......有什么想法吗？

我需要以编程方式分析读取已知脚本的录制声音。输出应该告诉我读到的单词的位置（在时间坐标中）（至少其中一些）。

我发现使用这种技术的“语音验证”服务有市场（自动验证录制的语音是否正确清晰地阅读特定文本）但我还没有找到任何我可以获得所需的软件或 lib/SDK从输出。

有人可以告诉我这种技术有多好以及我在哪里可以找到它吗？我对高级服务、完整的应用程序、库、SDK 感兴趣——不管它如何工作。预算：未知。

编辑：或多或少需要对大型欧洲语言的支持。英语、法语、德语、西班牙语、希腊语、意大利语、俄语、波兰语会很好，但也欢迎更多。这可能很难实现......