问题标签 [voice-recognition]

我正在为将使用 Microsoft 的语音 SDK 进行语音识别的软件构建 GRXML 语法。

标签必须遵循标签格式“properties-ms/1.0”，我没有找到任何具体的文档（除了没有回答我问题的 MSDN）。

我主要关心的是标记数字，以便将识别的文本（如“一二三四”）转换为数字“1234”。这是想法：

这没有串联，但至少我得到了每个数字的语义值。

但是，当我对数字使用这样的规则时，程序在运行时会中断，抛出一个异常，指出“规则'CODE'中的语义值已经设置并且无法更改。”。

如何使语义标记与 DIGIT 规则的“重复”一起工作？我不希望将我的 CODE 规则分成 4 个相同的项目，每个项目都有不同的语义键：在我的语法中还有其他情况，其中位数不固定。

此外，有没有办法连接标签以便为数字提供一般语义含义。

我想知道我们是否可以从服务运行语音识别。

我希望一些 Android 专家/谷歌工程师对此提供一些有价值的意见。

谢谢。

我需要开发一个程序，当它识别出鹦鹉的尖叫声或尖叫声时，它会打开或关闭特定的音轨。该软件需要识别特定范围的声音并允许该范围内的一些变化（因为鹦鹉可能不会每次都准确地复制它的尖叫声）。

示例：鸟鸣，没有声音。鸟停止尖叫五秒钟，播放赞美鸟的音轨。经常聊天需要完全忽略，因为它不气馁。

我听说过 Java 库具有内置字典的语音识别功能，但是需要教该软件我的特定鹦鹉发出的特定声音 - 而不是单词或任何随机的鸟声。此外，正如我上面提到的，它需要允许声音的细微变化，因为尖叫声可能永远不会 100% 与录制的版本相同。

解决这个问题的最佳方法是什么/我应该研究什么语言？

编辑：或者（也许这将是一个更简单的解决方案），有没有办法根据输入音量进行音频切换？所以鹦鹉发出什么样的声音并不重要，只是声音有多大？

我有一个软件合同请求，该合同要求从非常有限的集合中识别语音命令，例如“向上”、“向下”、“关闭”、“打开”等。

我似乎不需要全面的语音识别，即我不必进行波形到文本的转换。我可以用谷歌搜索一个特定的术语吗？

我只是对这个主题知之甚少，无法自己编写代码。如果我想完全解决这个问题，我需要一个相当成熟的库来解决这个子问题，最好是开源的。

目标平台是某种运行 Linux 的工业 PC，我会使用 C 或 Python 来编写应用程序。

我想在我的 iphone 应用程序中，语音转文本，然后返回语音。

我尝试在论坛和谷歌上搜索，发现了一些 API，如 OpenEars、Vocal Kit 和 tts，但这些都是针对英语的，而不是针对其他语言的，例如德语、法语和西班牙语、中文等。

是否有任何免费 API，我在 Google 上错过了它，或者没有任何 API？请帮忙

App Store 中现有的应用如 Jibbigo 和 MLD 都在使用这样的功能，那么他们在使用什么？

保罗·迪克森的回答

Nuance API 是免费开发的，但在 APP Store 上线之前要求购买，所以应该接受没有免费的 API ，，请大家帮忙

我的 Nexus One 有它：

1. 设置包括“语音输入和输出设置”列表中的“语音识别器设置”。
2. 谷歌搜索旁边有一个麦克风按钮，所以当我触摸它时，一个对话框会提示我说出我想要搜索的内容。

但是，在模拟器（API 级别 8，Android 2.2）上，找不到上述任何内容。

语音搜索不是 Android 2.2 的一部分吗？如果是这样，为什么在我的 Nexus One (Froyo) 上可以找到它，但在模拟器上却没有？

我需要做什么才能至少使“语音输入和输出设置”可用？

更新 1：我按照以下建议创建启用识别器的 AVD 的说明，但我仍然收到“识别器不存在”消息：

我还需要做什么？

是否有可能尽管安装了 Google Inc. 的 Google API、Android API 8、修订版 2 并使用它创建了一个特殊的 AVD，但我仍然需要从 Android Market 安装语音搜索应用程序吗？

更新 2：我按照迈克尔的更正安装了谷歌的语音搜索应用程序。这解决了“识别器不存在”的问题，但现在我遇到了一个新问题：

该应用程序的“再次说话”的建议是虚假的：再次说话会一遍又一遍地显示相同的错误消息。

我的 WPF 应用程序菜单无法与 Dragon Natually speak 一起使用，因此我假设其他屏幕阅读器和辅助功能软件。我希望我的软件能够很好地为我的盲人和残疾客户工作。为了找出我的错误，我还尝试了其他 WPF 应用程序，如 Visual Studio 2010 和 Expression Blend 4，但它们有相同的错误。在所有情况下，我都可以使用语音下拉主菜单标题，如“文件”、“编辑”、“帮助”——但永远不能激活“新建”、“打开”或“关闭”等子菜单项。我已经阅读了有关 Accessibility 和“UI Automation”的所有内容，我尝试过运行“UI Accessibility Checker”和“Snoop”，这些应用程序似乎也枚举了我的 Menu HEADERS OK，但不是那些菜单上的项目。为什么？

我注意到，一旦语音识别活动开始，文本到语音的输出就会停止。

我理解其中的道理：语音识别引擎可能会“听到”TTS 输出并干扰其正常运行。

我的问题：这种行为是硬编码到系统中的，还是可以通过设置或参数（在 API 中）进行修改？

我想在我用 c# 编写的应用程序中实现语音识别功能。System.Speech.Recognition 不适合，因为它支持的语言数量不够。

我找到了几个引擎，但它们不是用 .net 编写的，而且我找不到任何包装器。那么，使用哪一个：Sphinx、ISIP、Julius？您知道它们的任何 .net 包装器吗？您知道任何可以提供帮助的教程或文章吗？

提前致谢

I want to use VoiceRecognition in my application, but this application needs to install voice search.

I don't want the user to have to install another other application then return to my application to run it. I want voice search to be installed from my application, or alternatively I'd like to find a tutorial to on how to add Voice Search capability to my application.

What can I do?