C# 语音识别 - 这是用户所说的吗？

Question

我需要编写一个使用语音识别引擎的应用程序（无论是内置的 vista 引擎还是第三方引擎），它可以显示单词或短语，并在用户读取它时进行识别（或其近似值） ）。 我还需要能够在语言之间快速切换，而不改变操作系统的语言。

用户将使用该系统的时间很短。 该应用程序无需首先根据用户的声音训练识别引擎即可运行。

如果这可以在 Windows XP 或较低版本的 Windows Vista 上运行，那就太棒了。

或者，系统需要能够以用户选择的语言将屏幕上的信息读回给用户。 我可以使用预先录制的画外音来解决此规范，但首选方法是使用文本转语音引擎。

有人可以给我推荐一些东西吗？

Answer 1

如果引擎是您要问的，那么我已经找到了（注意，我只是列出，我还没有尝试过其中任何一个）：

Lumenvox 引擎

您还拥有 SAPI SDK 来自微软本身，我只尝试过文本转语音，但根据其定义：

该 SDK 还包括可自由分发的文本转语音(TTS) 引擎（美国英语和简体中文）和语音识别 (SR) 引擎（美国英语、简体中文和日语）。

Answer 2

请注意，如果不首先进行培训，您将不会获得良好的结果。 语音识别是语音学的统计应用，该领域非常坦率地承认信号的变化如此之大，以至于任何人都能理解其他人所说的话几乎是一个奇迹。 现成的语音识别引擎很可能会倾向于更通用的英语口音，但对于任何轻微的不同都会严重失败。

这就是为什么培训如此重要。 我们可以轻松地通过过度拟合来做得很好，特别是如果我们减少问题空间的话。 但是创建一个可扩展的机器学习解决方案呢？ 问题始终存在于此。

话虽这么说，请考虑 Sphinx-4。 这是一个用 Java 编写的现成解决方案，可在 http://cmusphinx.sourceforge.net/sphinx4/ 获取

Answer 3

查看 .NET 3.5 中的新语音类库

http://msdn.microsoft.com /en-us/library/system.speech.recognition.speechrecognizer.aspx

SR 和 TTS 的一般文档

http://msdn.microsoft.com/en -us/library/system.speech.recognition.aspx
http://msdn.microsoft.com/en-us/库/system.speech.synthesis.aspx

Answer 4

文本转语音可通过 语音 API 实现。 就我个人而言，我可能需要 Vista 并使用托管接口 System.Speech.SpeechRecognition 和 System. Speech.Synthesis.TtsEngine，但如果您确实需要 XP 支持，则 P/Invoke 应该可以进入非托管 API。

Answer 5

尝试 Microsoft Speech Server，我认为它现在是 Office Communication Server 2007。 它包含 SR/TTS 引擎、C# API 以及与 Visual Studio 集成的工具。

Answer 6

这是来自 MSDN 杂志的文章，首次讨论了使用 Vista 的 System.Speech API。 其中一些内容已经过时，因为 API 在 beta（撰写本文时）和 Vista 发布之间发生了变化，但这仍然是我找到的最好的资源之一，并且涵盖了对 System.Speech 命名空间的很好的介绍。 请参阅 http://msdn.microsoft.com/en-us/magazine/cc163663 .aspx

Answer 7

Dragon Naturally Talking SDK 可能值得一看。
这个项目看起来很有趣。

不过还没有和他们两个一起玩。

Answer 8

好吧，这个问题已经有很多很好的回答，但我认为用 2016 年文档中的一些信息更新 Rob Segal 和 Philipp Schmid 的回答很有价值，他们指出了这个很好的代码示例：

https://msdn.microsoft.com/en-us/library/office/system.speech.recognition .speechrecognitionengine.aspx

它没有使用Windows的共享识别器（显示在屏幕中间的小Windows麦克风），它使用了一个很好的应用程序中的SpeechRecognitionEngine，不需要任何视觉提示。 用户界面完全由您控制。

Answer 9

不久前，Joel 在 Software 上也被问到了类似的问题。 您可以使用 System.Speech.Recognition 命名空间来这样做......有一些限制。 将 System.Speech（应位于 GAC 中）添加到您的项目中。 下面是 WinForms 应用程序的一些示例代码：

public partial class Form1 : Form
{
  SpeechRecognizer rec = new SpeechRecognizer();

  public Form1()
  {
    InitializeComponent();
    rec.SpeechRecognized += rec_SpeechRecognized;
  }

  void rec_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
  {
    lblLetter.Text = e.Result.Text;
  }

  void Form1_Load(object sender, EventArgs e)
  {
    var c = new Choices();
    for (var i = 0; i <= 100; i++)
      c.Add(i.ToString());
    var gb = new GrammarBuilder(c);
    var g = new Grammar(gb);
    rec.LoadGrammar(g);
    rec.Enabled = true;
  }

它识别从 1 到 100 的数字，并在表单上显示结果数字。 您需要一个带有名为 lblLetter 标签的表单。

System.Speech 仅适用于预定义的单词或短语列表； 无论是在多功能性还是在识别质量方面，它都不完全是自然语言。 但是您不必将其训练为用户的声音，并且如果您只有用户可以说的一些不同的内容，那么它的工作效果相当好。 而且是免费的！ （如果你有 Visual Studio）

如果你使用非常短的短语，它不会很好地工作； 我为我的孩子制作了一个程序，让他说出字母表中的字母并在屏幕上看到它们，但效果并不好，因为许多字母听起来很相似（尤其是从一个四岁孩子的嘴里说出来）。

至于更灵活的选项......嗯，有前面提到的 NaturallySpeaking，它有一个 SDK。 但你必须联系销售人员才能获得任何形式的访问权限，并且没有列出价格，因此它给人的印象是“它要花多少钱？那么，你有多少钱？”之一。 之类的事情。 似乎没有“下载并使用它”选项。 :(

至于文本转语音， System.Speech.Synthesis 比语音识别更容易。我编写了一个小程序，让我输入、按下 Enter 键并大声朗读文本：）（“爸爸。 ，我想跟 da wobot 说话。”）

Answer 10

[注：我是 .NET 3.0 中托管语音识别 API 的开发负责人]

System.Speech 是 .NET 3.0 的一部分，因此它在 Vista 和 XP 上都可用。 在 Vista 中，您还有一个额外的好处：操作系统预装了语音识别引擎。 在 XP 上，您的选择是：使用带有非常旧的引擎的 SAPI 5.1 SDK（但可能足以满足您的命令和控制场景），安装 Office 2003，它会安装较新版本的识别器。 还有一些兼容 SAPI 5 的语音识别引擎可用。

如果您需要切换语言，您将需要使用 System.Speech.Recognition.SpeechRecognitionEngine 类，它允许您为需要支持的语言选择 SR 引擎。 请注意，引擎是由它们支持的一组语言定义的（它们可能使用相同的二进制文件，仅交换数据文件以支持其他语言）。

如果您需要了解更多信息，请评论。

菲利普

Answer 11

在此之前添加“语音”参考

发现 Kyralessa 在 10 月 22 日发布的代码示例不适用于我但稍微修改过的版本做到了。 将字符串添加到 Choices 对象时，请使用全文英文单词而不是数字。 看来微软的语音识别引擎不能自己识别数字。

我已在前面的示例中添加了一些注释来标记这些修改。

public partial class Form1 : Form
{
  SpeechRecognizer rec = new SpeechRecognizer();

  public Form1()
  {
    InitializeComponent();
    rec.SpeechRecognized += rec_SpeechRecognized;
  }

  void rec_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
  {
    lblLetter.Text = e.Result.Text;
  }

  void Form1_Load(object sender, EventArgs e)
  {
    var c = new Choices();

    // Doens't work must use English words to add to Choices and
    // populate grammar.
    //
    //for (var i = 0; i <= 100; i++)
    //  c.Add(i.ToString());

    c.Add("one");
    c.Add("two");
    c.Add("three");
    c.Add("four");
    // etc...

    var gb = new GrammarBuilder(c);
    var g = new Grammar(gb);
    rec.LoadGrammar(g);
    rec.Enabled = true;
  }