.Net Framework 4 语音识别——使用小语法时的误报

Question

我正在使用 System.Speech.Recognition 中的类来开发一个应用程序，该应用程序使用的语法非常小，仅由几句话组成。用户说出这些句子中的一个，应用程序应该识别出用户说的是哪一个。但是，如果用户说了一些不同的东西，而不是这些句子之一，那么应用程序应该什么都不会识别。

在尝试 SpeechRecognitionEngine 类时，我注意到一个问题：当用户只说出句子的开头，然后继续说其他单词时，识别引擎会将其识别为预定义句子之一。例如，假设语法只有两个句子：

1. “狗吃它的食物”。
2. “猫坐在沙发上”。

如果用户说“狗在睡觉”，识别引擎会将其识别为“狗在吃东西”。我希望引擎能够识别出这不是上述两句话之一。识别“无”。

按照here 的建议，我尝试添加一个 DictationGrammar。但是，在此之后，该应用程序在识别预定义句子时遇到了问题。用户说“狗吃了它的食物”，但识别引擎识别出其他内容，例如“狗很粗鲁”。

最后这件事并不让我感到惊讶，因为当我使用 windows 附带的语音识别软件（当然，使用 System.Speech）时，我在听写时得到的识别结果很差，即使我已经训练了它（我用的是win 7）。

有什么建议吗？

更新：

正如 NineBerry 所指出的，检查结果的 Confidence 级别 (RecognitionResult.Confidence) 非常有帮助。当用户说出预定义的句子“狗吃它的食物”时，我得到的置信度比他说“狗在睡觉”时更高（分别为~0.9 vs ~0.7）。

但是，如果只有 最后一个词是错误的，例如“狗吃掉它的腿”，我会得到与预定义的“狗吃掉它的食物”相同的置信度。所以我还是有问题。

Answer 1

如果要验证语音中是否存在关键字，语音识别并不是一个很好的解决方案，因为它不能可靠地过滤其他语音。在存在其他语音的情况下很难识别小的语法。有专门设计的关键字发现算法。此类算法允许您为关键字配置阈值，以平衡误报和误报。

例如看CMUSphinx documentation的对应部分。

关键字发现算法的一个示例是 Google 在 Android 上使用的“Ok Google”关键词。请注意，它是静态关键词而不是语法，因为即使 Google 也无法可靠地实现语法检测。

一旦关键字被识别，您就可以切换到语法识别并执行用户任务。