语音识别和语音合成入门

Question

我想开始语音识别和语音合成 在基于语音识别的原型 有人告诉我使用微软语音服务器（sdk等），

当我有这个时，我如何编写应用程序，以及使用哪种编程语言（开发环境？）？

有人使用过 asterisk 或 SVOX 吗？

我需要做：

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 个单词对于开始来说应该足够了。 我正在使用Windows。

提前致谢

Answer 1

如果您选择使用 Microsoft 语音引擎，则可以使用 .NET 框架 API。正如我在另一篇文章中提到的，有两个命名空间（用于桌面使用的 System.Speech 和用于服务器使用的 Microsoft.Speech）。您可以使用任何 .NET 语言进行编程，并且可以使用 Visual Studio。

几年前在 http://msdn 上发表了一篇非常好的文章.microsoft.com/en-us/magazine/cc163663.aspx。这可能是迄今为止我发现的最好的介绍性文章。但是，它基于 WinFX API 的预发行版本，并且 System.Speech 类在 Vista 发布时发生了更改。由于这些重大 API 更改，本文中的示例无法编译，而且我没有找到任何更新或勘误表来解释这一点。在 Internet 上搜索方法名称“AppendResultKeyValue”，您会发现一些论坛帖子，例如 http://www.ms-news.net/f3012/system-speech-writing-changes-3025734.html 人们遇到了同样的问题。

这仍然是一篇很好的介绍性文章，非常值得一读。通过一点点黑客攻击，您就可以使示例应用程序正常运行。

Answer 2

当我学习计算语言学时，选择的工具是 Praat，这是一个非常混乱的原型工具，让您可以做任何与语音相关的事情。

我不认为它有任何外部 API，但它的内部脚本语言对于基本应用程序来说已经足够了，而且它有很多内置函数。对于理论和算法的“入门”来说，这还不错。