CMU Sphinx 可以设置为识别约 200 个单词吗

Question

我有一个客户需要一个可以识别语音命令的 Android 应用。据我了解，内置的语音到文本功能实际上将数据发送到谷歌的服务器，然后再发回文本翻译。这是一个主要问题，因为语音数据非常敏感（除非数据在发送到 Google 或从 Google 发送时已加密 - 但我怀疑它是否已加密）。

我能想到的有 2 个选项。首先是在 Android 上将语音转换为文本，尽管这似乎是一项极其昂贵的操作。第二种可能性是让本地服务器为我转换数据（我可以在发送和接收语音数据时加密语音数据和翻译）。这是 CMU Sphinx 可以实现的吗？值得注意的是，我还可以访问 Asterisk 服务器，这可能有助于解决这个问题（我不知道）。

实际上，应该只有大约 200 个单词需要被识别。我更喜欢开源/免费软件解决方案，但我也对商业解决方案（可能是 FlexT9）持开放态度。理想情况下，我可以将音频流发送到某个地方，取回作为文本的字符串，然后我可以解析该字符串并做其他事情。

我过去没有做过太多的 android 或任何语音识别开发，所以我希望至少有人能指出我正确的方向。谢谢！

Answer 1

CMUSphinx 是一个开源语音识别工具包，您可以使用它来构建您的应用程序。它包含使您能够构建语音应用程序的工具、库和数据。您可以在上面的网站上了解有关 CMUSphinx 的更多信息。

在 Android 上，您有多种使用 CMUSphinx 的选项：

1. 识别设备上的音频。为此，您可以为 android 编译 Pocketsphinx 引擎。详情see this blog post。

2. 识别服务器上的音频。作为服务器，您可以使用 Pocketsphinx 或 Sphinx4。您可以发送压缩的 flac 格式的音频或在设备上提取语音识别特征并将特征流发送到服务器。

CMUSphinx 为您提供了多种声学模型，可让您识别多种语言的音频，例如英语、法语、普通话、德语、荷兰语、俄语。

您还可以使用适配工具提高识别结果。

如果您对 CMUSphinx 有任何疑问，欢迎联系ask in our community forums。

Answer 2

Microsoft 语音引擎是闭源但免费的。有关一些背景信息，请参阅What is the difference between System.Speech.Recognition and Microsoft.Speech.Recognition?。更多背景知识可以试试https://stackoverflow.com/a/4217638/90236

Microsoft Server Speech Platform 11 的完整 SDK 可在 http://www.microsoft.com/download/en/details.aspx?id=27226 获得。语音引擎可免费下载。