为什么我的 Microsoft 语音识别结果的置信度始终等于 -1？

Question

我正在使用 Microsoft Speech SDK 来实现一个使用语音识别的软件。

我向识别引擎提供了非常正常的语法，但是当启动引擎并说出正确的内容时，它会识别我所说的内容，但返回的 Result 对象的置信度值为 -1。

此外，结果中包含的所有 SemanticValue 对象也具有 -1 置信度。

我在相关的MSDN页面中找不到这样的结果的含义，实际上它只是写的是典型的置信度值应该在0和1之间。

-1值是什么意思？和语法有关系吗？

编辑：附加信息：

• 我正在使用 System.Speech 类与语音识别引擎交互。
• 识别引擎是Microsoft English Recognizer v5.1。
• 我在 XP 上运行该程序，因此语音 SDK 也是 5.1。
• 输入是麦克风输入：我没有找到向该识别引擎提供文件的可能性的踪迹，尽管它会对我有很大帮助。

Answer 1

在 SAPI 中，SREngineConfidence 尝试将短语置信度从供应商特定的语音引擎传递到独立于引擎的 SAPI 客户端。 SREngineConfidence 有一些有趣的行为，请参阅“Microsoft Speech SDK Version 5.1 SR Engine Vendor Porting Guide”

http://msdn.microsoft.com/en-us/library/ee431799(v=VS.85).aspx#_Toc503606917 说：

可以进行置信度评分
要包含在的信息
识别结果。在每个短语上
元素有两个置信度
引擎可以设置的字段。这些
既有信心（三级）
字段和 SREngineConfidence
（浮点）字段。如果发动机
没有明确设置其中任何一个
值，SAPI 将尝试并产生
它们的合理默认值。它
将产生置信度值
平均每个级别
短语或属性中的单词，以及
它将设置 SREngineConfidence
值为-1.0。

，后面说：

如果未使用此字段，则
引擎将此置信度设置为 -1.0。

另一种可以为您提供一些见解的资源是 http://gotspeech.net/forums/thread/3613.aspx。一篇帖子说：

原则上，SREngineConfidence
分数是 0.0 到 1.0 之间的值
{更高的值意味着更高
信心}。但旧版本的
5.1 等 SR 引擎不支持这一点
精确地收缩，我不认为
该值确实可以与
那些引擎。只有嗨，中等，
和其他信心的低分
字段可用。

如果我没记错的话，你需要更多
最新版本的 SR 引擎，例如
Microsoft 附带的版本
Office 2003 或 Vista 以获得
中有意义的数字
SREngineConfidence 字段。

编辑：

我相信 System.Speech.Recognition 实际上是 SAPI 的 .net 包装器（请参阅 http://msdn.microsoft.com/en-us/magazine/cc163663.aspx）。我怀疑上面引用的描述置信度为 -1 的评论可能仍然适用于使用 System.Speech 的您。我猜您看到的 -1 与提到的问题相同。

我的理解是 XP 不包含识别器。 Microsoft Office 版本随之而来。所以，我不确定您真正运行的是哪个识别器引擎。您安装了Office 2003吗？或者您是否安装了像 Dragon 这样的第 3 方引擎？

你说你安装了识别器5.1。上面的 GotSpeech.NET 链接说：

但是旧版本的 SR 引擎
像5.1不履行这份合同
准确地说，我认为没有价值
确实可以与这些引擎一起使用。

我建议尝试以下操作：

• 在较新的计算机（可能是 Vista 或 Windows 7）上测试相同的代码，并查看置信度级别是否正常工作。 Vista 及更高版本包含识别器引擎。
• 尝试安装较新版本的识别器。您可以安装 UCMA 或 http:// /www.microsoft.com/downloads/en/details.aspx?FamilyID=bb0f72cb-b86b-46d1-bf06-665895a313c7。请注意，它们使用命名空间 Microsoft.Speech 而不是 System.Speech。请参阅 System. Speech.Recognition 和 Microsoft.Speech.Recognition？

还要添加一项。以下是从 wav 文件中识别的简短示例：

    SpeechRecognitionEngine myRecognizer = new SpeechRecognitionEngine();
    Grammar myGrammar = CreatePizzaGrammar();       // uses GrammarBuilder to create a pizza ordering grammar
    myRecognizer.LoadGrammar(myGrammar);
    myRecognizer.SetInputToWaveFile("LargeCheese.wav");     // recording of ordering a pizza
    RecognitionResult result = myRecognizer.Recognize();
    string s = result.Text;
    float confidence = result.Confidence;