System.Speech.Recognition 无法准确识别连续输入

Question

我有一个使用 SpeechRecognitionEngine 的 System.Speech 识别语音的程序。然而，虽然准确，但它似乎丢弃了它接收到的一些音频输入。如果我说“一、二、三”，每个单词之间有停顿，它就正确地转录了每个作品。但是，如果我在每个单词之间没有停顿就说出它们，它会正确地转录第一个单词，有时甚至是第三个单词。第二个词被忽略了。

其他人也遇到过这个问题，但我无法找到他们的解决方案。 Microsoft Speech Recognition Speed

如果可以的话，我想将录音机的音频位置设置为音频流中的较早点，但我在 API 中没有找到可以让我这样做的函数。我正在考虑的另一种方法是拥有多个识别引擎，每个识别引擎都会尝试只获取一个单词，并在完成处理该单词时重复使用，但这是一个非常复杂且资源匮乏的解决方案。

对此问题的任何帮助将不胜感激。

我已将其缩减为这段 C# 代码：

public void Init()
{
    // Create an in-process speech recognizer for the en-US locale.
    var cultureInfo = new System.Globalization.CultureInfo("en-US");
    recognizer_ = new SpeechRecognitionEngine(cultureInfo);

    // Create and load a dictation grammar.
    var numbers = new Choices();
    numbers.Add(new string[] { "one", "two", "three" });

    // Create a GrammarBuilder object and append the Choices object.
    GrammarBuilder gb = new GrammarBuilder();
    gb.Append(numbers);
    var g = new Grammar(gb);
    recognizer_.LoadGrammar(g);

    // Add a handler for the speech recognized event.
    recognizer_.SpeechRecognized +=
        new EventHandler<SpeechRecognizedEventArgs>(recognizer_SpeechRecognized);
    recognizer_.SpeechDetected += recognizer_SpeechDetected;

    // Configure input to the speech recognizer.
    recognizer_.SetInputToDefaultAudioDevice();

    // Start asynchronous, continuous speech recognition.
    recognizer_.RecognizeAsync(RecognizeMode.Multiple);
}

void recognizer_SpeechDetected(object sender, SpeechDetectedEventArgs e)
{
    Console.WriteLine("\nspeech detected event audio position:\t\t" + e.AudioPosition);
    Console.WriteLine("speech detected current audio position:\t\t" + recognizer_.AudioPosition);
    Console.WriteLine("speech detected recognizer audio position:\t" + recognizer_.RecognizerAudioPosition);
}

// Handle the SpeechRecognized event.
void recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
    Console.WriteLine("speech recognized event audio position:\t\t" + e.Result.Audio.AudioPosition);
    Console.WriteLine("speech recognized event audio start time: " + e.Result.Audio.StartTime);
    Console.WriteLine(e.Result.Text);

    // do things
    // ...
}

Answer 1

代替

gb.Append(numbers);

这指定识别孤立的数字尝试类似

gb.Append(new GrammarBuilder(numbers), 1, 5);

这将允许识别最多 5 个数字的数字序列。根据需要调整重复次数。