- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我是 android 中“语音识别”领域的新手。
我的应用要求具备“语音识别”功能。所以我正在做作业。我找到1. android SDK 支持这个并且它使用了“谷歌语音识别”因此,据我了解天气我们通过 Intent 调用识别器或者我们使用类 SpeechRecogniser ,实际识别是在谷歌云服务器上完成的。我尝试使用这两种方法的示例应用程序,两种情况下的匹配率都非常低\(首先,我的发现是否正确?我尝试的大多数单词/句子都没有正确匹配)。
这两种方法(即按 Intent 启动/或使用 SpeechRecogniser 类)的输出是否有任何差异)
是否所有应用程序都依赖于这种谷歌技术,其中语音作为声音字节发送并在云服务器上识别。我看到 Shazam 使用不同的技术,但他们有自己的数据库。是否使用了其他此类技术
我看到很多“siri for android”。关于这些应用程序实际如何工作的任何说明?
非常感谢您的时间和帮助。
最佳答案
1) 使用 RecognizerIntent
或 SpeechRecognizer
时,您将获得相同的结果。主要区别在于用户交互。 RecognizerIntent
强制用户执行标准语音识别过程。使用 SpeechRecognizer
,您可以控制应用程序收集语音的方式以及处理语音的时间。 RecognizerIntent
的优点是编程容易,用户熟悉。使用 SpeechRecognizer
,您可以实现高级功能,例如在后台收听语音。您还可以获得更好的错误报告。
此外,有些词像“apple”一样容易被识别器理解,但由于各种原因,有些词像“cumin”很难理解。您必须巧妙地匹配 google 返回的内容才能实现可靠的功能。
2) 我不确定你所说的他们自己的数据库是什么意思。您的应用程序将有一个您尝试将其与用户所说内容相匹配的各种“数据库”
3) 可能混合了自然语言处理、用户建模和模拟人类对话的技术。或者它们只是一大堆手工编码的规则,让它们看起来很聪明。我想要让事情变得可信需要做很多工作。
在这里查看我的一些示例代码: https://github.com/gmilette/Say-the-Magic-Word-
关于机器人 : speech recognition what are the technologies available,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10223490/
我只是尝试使用 Microsoft.Speech.dll; 为文本转语音运行简单的 Microsoft 示例 using System; using Microsoft.Speech.Synthesi
微软似乎提供了不少语音识别产品,我想知道它们之间的区别。 有Microsoft Speech API ,或 SAPI。但不知何故Microsoft Cognitive Service Speech A
我希望编写一个应用程序,将语音到文本转换为仓库应用程序,反之亦然。主要用例是运算符(operator)将在仓库中佩戴耳机并将指令发送回服务器并从仓库软件接收指令以拣选和打包订单。我们将使用由 Wind
我正在探索 python 中的谷歌云语音 api。我正在关注这个 link .我也提到了这个 stackoverflow link .但是我对设置环境变量感到震惊。 我做过的事情: 1.安装gclou
在尝试让 Speech to Text(IBM 语音网关 IVR 应用程序)识别字母数字字符串时,我想知道我是否可以创建一个自定义语法或实体来限制 STT 仅识别单个字母和数字,不包括完全的话。例如,
是否可以将来自Web Speech API的合成语音用作Web Audio API音频上下文中的SourceNode? 最佳答案 实际上,我问过要在Web Speech邮件列表中添加此内容,并且基本上
使用 Microsoft Speech API 转录中/大型音频文件(每个文件约 6-10 分钟)的最佳方法是什么?像批处理音频文件转录这样的东西? 我使用了 https://docs.microso
我的 .wav 文件长度只有 4 秒。即使在多次重试并在云端运行后,我仍然不断收到以下错误 * upload completely sent off: 12 out of 12 bytes
我找到了一些描述如何使用 Google 语音 API 的文章 ( http://mikepultz.com/2011/03/accessing-google-speech-api-chrome-11/
我使用 google 语音转文本 API 从音频中获取字幕,但是当音频太长时,通常超过 60 分钟,重试次数过多会失败。它说:google.api_core.exceptions.GoogleAPIC
我有一些来自 System.Speech.Recognition 的简单代码可以正常工作: using (var recognizer = new SpeechRecognitionEngine(ne
Windows 10。我在“设置”中安装了日语 TTS 语音。现在,当我在 Speech API 5.4 OneCore 中使用语音枚举时(虽然不是在 5.4 中),我得到 6 个语音: 大卫 齐拉
当我提交对太长文本的综合请求时,我收到以下错误: google.api_core.exceptions.ResourceExhausted: 429 Received message larger t
我是 C# 的新手,也是 Speech.Recognition 的新手。我搜索了很长时间的教程,但没有找到那么多,我什至不确定我是否正确包含了所有内容。 我下载了: SDK Runtime Langu
我有一个奇怪的要求,即在我现有的应用程序中我有 Text2Speech 并且为此,我使用了 AVSpeechSynthesizer 来语音文本,但现在要求改变了,现在我需要将 HTML 文件数据转换为
我使用 Google Speech API 通过 Python 识别 .OGG 文件音频中的越南语语音。但它不会返回任何结果。 最佳答案 至少在英文版的Google Speech API中,需要使用F
我想从手机录制音频,然后将其发送到谷歌语音非流媒体 API。我可以使用 Capture.captureAudio() 进行录音,但是我不知道音频编码和采样率是什么,因为它们是必需的 for the a
我使用谷歌云语音到文本 API 将音频转换为文本。 对于 .raw文件它工作正常 但是对于 .wav文件它给了我类似的错误: Google::Gax::RetryError Exception: Ga
.NET 中有两个类似的用于语音识别的命名空间和程序集。我试图了解其中的差异以及何时适合使用其中之一。 程序集 System.Speech(在 System.Speech.dll 中)有 System
通过流式 API (Performing Streaming Speech Recognition on an Audio Stream) 使用 Google Cloud Speech API, 我们
我是一名优秀的程序员,十分优秀!