问题标签 [system.speech.recognition]

我使用 C# 创建了一个语音识别应用程序。当我在远程系统中运行应用程序并将麦克风连接到我的系统时，它不起作用。那么有没有一种方法可以实现在远程连接系统中运行应用程序，并将麦克风连接到您自己的系统？

提前致谢

我正在创建一个小型应用程序，当用户对着麦克风讲话时，它需要实时输出音素。就我而言，识别输出的速度是第一要务，甚至高于准确性。使用 C# 是首选，但如果可以使用不同的语言和/或库（如 CMUSphinx）实现更好的速度，我会切换。

使用System.Speech.Recognition和DictationGrammar("grammar:dictation#pronunciation")，我已经能够创建一个简单而有效的音素识别器，当您对着麦克风说话时，它会输出音素，而且准确度通常令人印象深刻（订阅该SpeechRecognitionEngine.SpeechHypothesized事件可以让我看到实时输出）。问题是，用户说话和输出之间的最小延迟约为 0.5 秒，这对于项目来说太长了。我知道总的来说这是一个相当高的速度，特别是考虑到良好的准确性，但我真的需要更快的东西，即使准确性受到很大影响。有什么方法可以配置 aSpeechRecognitionEngine以将准确性抛到窗外，以便更快地提出假设？我使用 发现了一些暴露的设置SpeechRecognitionEngine.UpdateRecognizerSetting，但它们似乎对音素识别的输出影响不大。

我还研究了 CMUSphinx，这是一个看起来很有前途的免费语音识别项目。Sphinx4 很容易编译和设置测试是Java，但我不知道如何配置它来实时输出音素，而且它的单词识别速度相对较慢。在这里，我发现了一些关于使用他们的另一个项目 pocketsphinx 进行音素识别的笔记。我也能够下载和编译它，但无法成功运行任何测试。有没有人在音素上使用 CMUSphinx 或 Pocketsphinx？它是否能够实现高实时输出速度？或者也许还有更多的选择？我真的在寻找一些非常基本但很快的东西。

编辑：能够让pocketsphinx识别音素，但在项目中使用太慢了

在 Unity 中，尝试在我的 C# 脚本中使用 System.Speech 时出现此错误：

我下载了 System.Speech.dll 并将它放在\Library\ScriptAssemblies我的 Unity 项目中，但是每次我编译项目时，这个文件夹都会被清理，所有的 DLL 都会丢失。

我是 C# 和 Unity 的新手，有没有办法可以将文件保存在文件夹中？我试图找到构建项目的脚本来修改它，而不是在构建之前清理所有内容，但还没有解决方案。

我得到了这个期望，但不知道如何解决它。

我尝试将文化更改为 fi-FI、en-EN、en-GB、en-US，它总是给人以这种期望。

我也尝试过不支持文化的解决方案和Go to Debug -> Options -> Debugging and tick "Enable Just My Code"这个。

.NET Framework 4.7.2 Visual Studio 2019 参考 System.Speech

所以，我正在使用 .NET Framework 4.7 Web API 并使用“System.Speech.dll”说出一些文本，保存为 WAV，转换为 MP3（使用 LAME），然后附加到另一个 MP3 的开头并返回更新的MP3。

在我当地，一切都很完美。这是实际的代码：

现在，当我在 Azure 上发布到“试用”版本（12 个月试用）Web 应用程序后，它不起作用，我总是收到“502 Bad Gateway Error”（附截图）

现在，我还检查了 Azure 上的“eventlog.xml”文件，发现：

我已经更新了“bin”文件夹，并通过 Azure 中的“高级工具”在其中添加了“System.Speech.dll”。我真的不确定现在是什么问题。

我的最后期限非常紧张，有人可以帮助我吗？我将不胜感激，谢谢！

急切地等待积极的回应......

我有一个使用语音激活命令的简单应用程序的想法。它基本上是一个语音激活的录音机。我需要两个语音命令，一个用于开始录制，一个用于停止录制。我正在考虑使用 System.Speech.Recognition，我找到了一个示例，您可以在其中输入命令作为英文字符串，如下所示：

我想要的是命令不是特定于语言的。我想让用户选择说（通过麦克风录制）一个将用作开始命令的命令和另一个用于停止命令的命令。

所以我的问题基本上是我可以使用 System.Speech.Recognition 来存储用户为他的启动命令录制的内容，然后稍后听相同的命令并启动录音，直到他说停止命令？

如果有人知道这个用例的更好的语音识别包，我也会接受它作为答案。

谢谢

我正在尝试使用 .NET 的 System.Speech SpeechRecognitionEngine 对象来识别不和谐用户在语音频道中所说的单词。机器人收到的原始 pcm 音频被写入 MemoryStream，我试图让 SpeechRecognitionEngine 使用这个 Stream 进行识别。获取这些数据并写入它可以正常工作，但是，由于多种原因，将其与 SpeechRecognitionEngine 一起使用似乎不起作用。一方面，流不是无限的，识别器到达流的末端并在单词甚至可以说出之前停止。即使数据不断地添加到流中（即用户不断地说话），识别器仍然会到达流的末尾并拒绝继续。另一个问题是运行识别的方法似乎不能多次运行。我' 已经尝试将流分块提供给识别器，但它似乎没有用。有一个选项可以将输入设置为您的默认音频设备，这正是我想要的，即使用户没有提供任何输入，它也始终运行而不停止。有什么帮助吗？

在另一个程序中，我将 pcm 数据写入“流”，如果有任何语法错误，那是因为手动复制代码而不是复制和粘贴以简化我的代码。谢谢！

我有一个验证码，我想在我的 Web 应用程序 (MVC .net) 中使用 system.speech 将验证码转换为语音。

所以我的应用程序在我的 html 页面中调用它：

这是我的 system.speech

但是您可以看到我的服务器没有任何音频输出设备

我跟踪了代码，发现问题出在这一行：

我在 .Net Core 3.1 中创建了一个 Web API，它使用System.Speech- 在 .Net Core Nuget Package here上运行，但是当我的 API 使用该库时出现 500 错误。

错误内容如下：

我假设这与对 System.Speech 的引用无关，但我的托管服务提供商说：

如果您在 .net Web 应用程序中使用 System.Speech，则需要 LocalSystem of Application Pool Identity。我没有更好的解决方案，也许您可​​以尝试另一个可以单独为您的项目工作的语音库。

这是合乎逻辑的，还是因为它是一个 .Net Core 包，它是完全独立的并且不需要它？

而且，更重要的是，有什么方法可以修复以继续使用这个库吗？

有关更多背景信息，请参阅我在此处发布的其他问题。