现在技术越来越厉害了，前几年还感觉语音打字特别不靠谱，各种语音助手也相当蠢萌，想问下现在国内语音识别发展到什么水平了？
实时且准确的将语音转化成相对应的文本已经达到了什么样的水准？主要还存在哪些方面的问题？
浏览 2288提问于2018-08-06
离线语音识别可以提供个识别本地语音数据的demo吗？本地语音数据的如何填充到boby中呢？
浏览 575提问于2018-04-28
我试着用RecognizerIntent在我的android应用中使用语音识别。但是目标设备没有安装Google Voice search。有没有其他方法可以在没有安装Google Voice的Android设备上使用语音识别。
浏览 4提问于2013-03-22得票数 0
回答已采纳
我搜索并找到了这篇文章：
是否可以用语音识别来识别手机用户？
然而，它并没有回答我的问题。
是否有任何方法改变一个人的声音，足以使手机呼叫无法识别的语音识别技术？
浏览 0提问于2019-08-29得票数 2
2回答
这真的是一个响亮的思考类型的问题，所以如果这是在错误的地方道歉，因为这不是一个真正的问题-更多的是寻找建议/评论。
我最近开始在Windows 7上使用Windows语音识别，效果相当不错。我是一个相当高级的用户(作为一名程序员)，如果你知道自己的快捷方式，在打字模式下使用它是绕过电脑的一个很好的方式。我遇到的问题是移动到另一台计算机。我知道你可以导入/导出你的语音配置文件，但我在一个新系统上尝试了几次，结果一直很差(可能是因为它缺少它使用的所有参考材料，比如你写的电子邮件和文档-不确定)。而且，它显然不能在Linux、Mac、服务器或更老的Windows系统上运行。
所以这让我想，把你的语音
浏览 2提问于2011-08-28得票数 1
回答已采纳
我想知道如果某人有其他人的语音录音，他们是否可以通过Speaker Recognition API使用该录音来假装自己就是那个人。也就是说，说话人识别API可以识别语音是实时的还是录制的？
浏览 1提问于2017-04-28得票数 2
1回答
我在.NET框架(System.Speech.Recognition命名空间)中读到了有关语音识别的知识，并制作了一些执行识别的应用程序，但所有这些应用程序都只适用于英语。
那么，我如何使用System.Speech.Recognition工具来识别其他语言，如法语或阿拉伯语。
浏览 1提问于2012-02-19得票数 1
我尝试使用Android Studio在Kotlin中运行语音识别器。在stackoverflow的帮助下解决了我的编译器问题后，我现在面临以下问题: speechRecognizer不再结束。
我敢肯定，昨天在等待了3到5秒的默认时间后，语音控制结束了。当我什么也没说的时候，回答是“再试一次”，在其他地方它正确地结束了。
现在，"input-Speech-window“窗口不会结束，直到我单击该窗口。我不知道；我本可以更改什么！
我添加了"RecognizerIntent.EXTRA_SPEECH_INPUT_COMPLETE_SILENCE_LENGTH_MILLIS，10
浏览 27提问于2020-05-06得票数 0
1回答
我正在构建一个web应用程序，并计划同时使用和进行音频输入。
我注意到我的桌面浏览器( Mac上的Chrome，v.31.0.1650.63)两次请求许可才能使用麦克风。虽然这对用户来说可能有点烦人，但语音识别和音频输入似乎都可以工作。
然而，如果我在Android (Nexus 7，Android v4.4.2；Chrome v31.0.1650.59)上打开相同的页面，它会两次请求允许使用我的麦克风，但我只能使用其中的一个(以先启动的为准)。有时，即使我允许访问麦克风，我也会收到语音识别error: "not-allowed"错误。
我在这里做了一个jsFiddle：
我的
浏览 0提问于2014-01-13得票数 7
1回答
我目前正在开发一个实时翻译网络应用程序，允许多个参与者使用，并以多种语言分享他们的转录。
我不想被告知参加会议的人数x会议的持续时间。因此，问题是：，当检测到语音时，我如何才能激活识别？这样的话，我只会为目前说话的人付钱。
我尝试使用来自的事件，但只有当识别器当前正在识别时(使用recognizeOnceAsync()或startContinuousRecognitionAsync())，此事件才会触发。
，在Speech中有什么参数可以用来实现我想要的吗？如果没有，我的选择是什么？
这可能是可能的观看音频dB水平，并激活连续识别相应，但我认为我会遇到一些问题，如果我尝试这样做。例句:一旦音频
浏览 5提问于2021-02-08得票数 1
我想知道是否有可能在Alexa技能或谷歌行动中使用语音匹配功能。
例如，如果用户试图登录到我的技能，而其他人(不是用户)说PIN，它将识别声音并拒绝访问。
在Alexa/Google中有可能吗？我没有找到任何关于这方面的文件/解释。
浏览 2提问于2019-02-08得票数 0
1回答
在尝试让语音到文本(应用程序)识别α-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只识别单个字母和数字，完全不包括单词。例如，这里有一个典型的字符串: 20Y0H8C。沃森带着单词和数字回来，比如"2“而不是”2“。数字字符串可以正常工作。我意识到在典型的ASR中，字母识别是有问题的，但我希望Watson能够胜任这项任务。我注意到没有用于字母数字字符的系统实体。任何建议都是非常感谢的。
浏览 9提问于2017-06-14得票数 3
1回答
语音输入作为密码是否是一种有用的安全措施，可以替代强大的密码和生物识别技术(面部、拇指、签名等)？
输入为密码的声音将被保存为系统中的声波文件，而认证的最终用户必须用他/她在保存密码时所说的相同的文字输入他/她的声音。如果系统检测到相同的语音(语音匹配与他/她保存的输入语音作为密码)，系统将对他进行身份验证，以登录到系统。
语音输入的安全认证措施的瓶颈和限制是什么？
浏览 0提问于2022-04-09得票数 0
回答已采纳
2回答
tts文本转语音出现音频最后停顿声音，请问如何解决？音频如下：
tts多个文本转音频出现偶尔有些音频会最后有停顿的声音，请问如何解决？
因为腾讯tts每次都是只能转300个中文字符，所以我是用回车换行来分割每一段的文本的，之后循环请求tts接口，就发现部分音频就会出现最后停顿的声音。文本如下：
1、史玉柱被抓风波如何掀起的？巨人网络某高管表示，最初的一则传言老板的信息其实来自东方财富股吧，有个叫‘土肥圆10’的用户最先发出的这则消息。该高管提供的一则截屏显示：4月24日18:42时，用户名为“土肥圆10”发出“史玉柱今天下午4点在杭州被警方带走了，完蛋了。”
2、科创板融券业务将实行T+0制度
浏览 1104提问于2019-04-29
想开发一款听觉训练的软件。
有一关关的题目，文字加上声音，让受试者回答问题。答对给奖励积分，可累积。
根据回答的情况来做数据收集和分析。得出分析报告。
有些问题需要语音回答，需要识别语音来判断正误。
这样一个软件用什么工具来开发好？
浏览 304提问于2018-09-10
3回答
我用的是Openears，它需要字典。当我们在字典中提到这个词时，它很有用。我想把我们说的话都转换过来。所以我使用Nuance的语音识别dragaon SDK。但它与webserver通信。出于安全考虑，我希望避免服务器通信。有没有可能将我们所说的所有单词的语音转换为文本，就像在windows mobile中一样，而不需要仅在脱机模式下与服务器通信？
浏览 2提问于2011-07-21得票数 3
回答已采纳
我计划使用Sencha 2.0作为我的移动应用程序开发平台。我计划在应用程序中使用语音识别--有没有一个语音识别应用程序接口可以在iOS和安卓平台上很好地工作？
浏览 2提问于2012-04-04得票数 3
回答已采纳
1回答
谷歌语音输入及对PC的建议
、、、、
我需要通过语音将文本输入到PC机。我有我的Ubuntu电脑和我的Android智能手机。
我找到了最简单的方法:使用KDE远程控制。我只是按照这些手册来做：
现在它看起来像是:我的语音->，我的Android智能手机，Google语音输入键盘，-> KDE连接->，我的wifi路由器，->，我的Ubuntu个人电脑
问题:可以强调单词和建议的变体的识别。但是KDE只是尽快将单词发送到我的PC上，这样我就不能使用建议了。
知道怎么用建议吗？
我认为，如果KDE有一些缓冲文本框，建议就会奏效。看起来我在智能手机上的缓冲文本框中输入并更正了我的文本，然后单击‘发送’，这个文
浏览 0提问于2018-08-21得票数 0
3回答
Android中的语音活动检测
、、、、
我正在编写一个应用程序，它的行为将类似于现有的语音识别，但将发送声音数据到一个专有的web服务来执行语音识别部分。我使用的标准MediaRecord (这是AMR编码)，似乎是完美的语音识别。通过getMaxAmplitude()方法提供的唯一数据是振幅。
我试图检测人什么时候开始说话，这样当这个人停止说话大约2秒时，我就可以继续将声音数据发送到web服务。现在，我用一个阈值来表示振幅，如果它超过一个值(即1500)，那么我假设这个人在说话。我担心的是，振幅水平可能因设备而异(即Nexus One v Droid)，因此我正在寻找一种更标准的方法，可以从振幅值中导出。
我看了，但它并没有提供一
浏览 4提问于2010-10-15得票数 0
回答已采纳
1回答
我可以使用下面的链接为我有限的单词集创建语音识别。
但是，我如何向语言模型提供反馈，以便更好地训练我的声音。例如，.dic文件中的拼音值是针对美国口音的(我想将其训练为印度口音)。
浏览 3提问于2013-12-01得票数 1
2回答
沃森的语音识别器支持作为参数的关键字列表，但我试图弄清楚这些关键字是否真的会影响识别。例如，如果您正在给Watson一个音频剪辑，其中包含可能无法正确识别的正确名称，那么将这些名称作为关键字提交会增加Watson正确识别它们的可能性吗？关键词与识别本身相互作用吗？
浏览 2提问于2016-04-12得票数 0
回答已采纳
1回答
我需要的是我的音频输入从麦克风是:单声道16位16000赫兹。
我使用的是Windows 8.1 PC，我知道您可以通过麦克风的高级设置对其进行调整。(右键单击任务栏中的扬声器图标高级录制设备->属性->高级)
但是没有我需要的特定设置的选项。适当的设置应该是磁带录音机的质量。但我只有CD、DVD和Studioquality。
我发现了许多关于如何对文件进行重采样的提示，但我依赖于来自麦克风的实时音频。我试过内置和外置麦克风。
我正在使用语音识别程序(CMU Sphinx)。似乎我的糟糕的识别结果取决于错误配置的麦克风。
我已经在语音识别程序的论坛中寻找了解决方案，但我的问题似乎取
浏览 3提问于2015-07-04得票数 0
1回答
我们可以在不使用wav文件的情况下使用mp3文件进行语音识别吗？或者我们可以从mp3生成wav文件，然后进行语音识别，而不会对准确性造成严重影响？问题是我需要最小化应用程序中通过网络传输的负载。转换过程中丢失的信息会成为影响准确性的重要因素吗？
浏览 4提问于2012-01-29得票数 0
回答已采纳
我有一个Google应用程序，它使用Google客户端Javascript库上的操作：
语音识别效果非常好。但有时我会遇到一种认知环境，它有一些小麻烦。有没有办法告诉语音识别设施，以强调在每个用户交互的基础上特定短语的概率？例如，如果用户被要求指定一个日期，那么一年中的几个月的概率就会超过正常值吗？
在一些语音识别引擎中，您可以提供词汇表(也称为语法等等)。到引擎上。有没有办法用谷歌应用程序的动作来做到这一点呢？
我知道谷歌的语音识别API：
但我不知道该API是公开的还是通过Google服务上的操作获得的，或者该API是否支持语法或上下文列表。
浏览 2提问于2017-10-13得票数 2
1回答
我在这里读到，玻璃里有两种声音命令：
1)从菜单中选择(例如，"ok玻璃，指向“)
2)言论自由识别(例如“纽约第五大道”)
我希望开发一个玻璃应用程序，并使用语音识别。
他们中的哪一个我可以使用非英语语言？
我告诉开发人员改变语言，而不是用户。
意思是说"Ok玻璃“然后菜单项用希伯来语
或者“带我去”然后用希伯来文来描述。
有什么解决办法吗？
浏览 1提问于2014-01-29得票数 3
1回答
我想分析语音样本，寻找语音-语言的病理。我能找到的大部分资源都是关于语音识别的，这是一个完全不同的问题。
我将永远知道在给定的样本上所讲的是什么。
我可以假设音频样本的质量总是很好，没有背景噪音。
我想要构造一个神经网络(或者其他的模型)来检测某些异常，但是我没有什么问题。
我应该如何将输入传递给网络？输入将分为两部分:语音和正在发言的文本(+标签)。我应该让我以某种方式分割这些部分，还是只是将它们作为一个样本连接起来？
为了更好地理解在ML环境中使用音频/语音，我可以读些什么？
浏览 0提问于2017-10-28得票数 3
2回答
我有一些法语文本，想把它们转换成MP3文件来听。有什么文字到语音软件推荐吗？我希望它是免费的，适用于Windows。注意:不一定要转换到MP3，只要它可以转换成音频文件，例如.wav，就可以了。
浏览 0提问于2017-05-11得票数 1
2回答
我正在创建一个web应用程序，用户应该通过语音识别作为密码注册该应用程序。应识别语音以进行授权。有没有办法通过Java语言实现语音识别？
PS:如果用户提供语音，那么语音应该能够识别已经存储的语音，并能够登录应用程序。
浏览 2提问于2014-12-26得票数 2
如果我正在开发一个使用TTS和语音识别的Android应用程序，那么在Ubuntu上哪个库用于相同的语音识别和语音呢？
我假设是从文本到语音，但我不确定哪个语音识别库和字典/学习/校准系统用于语音识别。
我想在Ubuntu桌面上提供这个应用程序。
以及在仿真器外测试它。
浏览 0提问于2012-09-19得票数 16
回答已采纳
2回答
转换从混音到线性影响音频质量？
、、、、
我想改变音频编码从穆劳到线性，以便使用线性语音识别模型从谷歌。我使用的是一个电话通道，所以音频是用mulaw编码的，8位，8000 in。当我使用Google模型时，识别一些简短的单字->存在一些问题--基本上它们根本不被识别-> API没有返回--我想知道更改线性或Flac的编码是一个好的实践吗？我已经做到了，但我不能真正衡量这种改善的程度。
浏览 11提问于2022-01-03得票数 0
2回答
我正在制作一个同时使用语音识别和tts的应用程序。在我的应用程序中，我继续进行语音识别，问题是当我使用tts时，语音识别将监听应用程序的内容。如何在tts发言期间停止语音识别，然后在tts结束后启动语音识别？我能用另一种方式解决这个问题吗？
浏览 3提问于2014-03-09得票数 0
回答已采纳
我目前正在评估语音识别(SR)技术的cyrrebt状态，似乎有相当多的API和服务正在涌现。
我自己对SR的经验是，关键字匹配适用于多个说话者，听写在非常受控制的环境中适用于训练有素的说话者。这还是真的吗？有没有任何好的方法来做语音到文本的任意音频文件-可以是关键字匹配从音频流的索引或可能是一个完整的转录尝试。
有没有人对与其他引擎和开源解决方案的细微差别的比较有任何评论？
浏览 3提问于2012-09-07得票数 1
回答已采纳
我是GCP的新手。当我阅读google的文档时，它说：“异步识别(REST和gRPC)向语音api发送音频数据，并启动一个长时间运行的操作。使用此操作，您可以定期轮询识别结果。”但“长跑行动”究竟是甚麽意思呢？同步和异步识别的过程有什么区别？我在网上搜索了一下，并找到了一个关于这个问题的答案：，但我仍然不明白这个想法。有人能更具体地解释一下吗？我将非常感谢你的回答：)
浏览 2提问于2018-01-07得票数 2
回答已采纳
我试着用C#实现了一些简单的语音识别WinForms程序，就像Michael Levy回答中描述的那样：
我的问题是，每当我运行Windows语音识别程序时，它都会打开，并且还会根据我所说的做一些事情。此外，当程序启动时，我必须说“开始听”，语音识别才能工作。
我的问题是:如果不让Windows语音识别也按照我说的做，我如何使用语音识别？我根本不需要Windows语音识别UI打开，我需要能够使用识别，而不必说“开始听”之前。
感谢您的回答
浏览 7提问于2011-07-09得票数 2
回答已采纳
1回答
我已经基于这里给出的方法在我的应用程序中实现了连续语音识别：。它本身运行得相当好。
但是，我想实现一个功能，即应用程序正在使用文本到语音的方式阅读网页，并且在阅读过程中，我希望打开语音识别，以便我可以要求它停止使用语音。然而，我看到语音识别也开始识别文本到语音的输出。有没有办法让它忽略从电话里传出的声音，只识别我在麦克风里说的话。
浏览 20提问于2016-09-22得票数 0
回答已采纳
有没有办法发出类似这样的语音命令：
OK GOOGLE ASK XXX一些应用程序特定的问题或命令
并使用识别出的文本启动" App“：”某些应用程序特定的问题或命令“
我的应用程序将语音识别作为服务...但当使用我的应用程序时，我不能问OK Google可以处理的问题……
浏览 4提问于2015-06-07得票数 23
回答已采纳
我正在尝试为我们国家的老年人开发一款应用程序。在一个多种族的国家，我需要检测英语和汉语的声音(目前)。我在将中文输出与中文unicode或字符进行比较时遇到了一些问题。
例如，如果语音识别了救命(帮助)，哪种方式才是比较的正确方式？
目前我正在使用这个。
if(d[i] .equals("help") || d[i] .equals("救命"))
遗憾的是，它不起作用。伙计们，这里有帮助吗？
浏览 2提问于2012-05-07得票数 2
回答已采纳
我想建立一个android应用程序，它将识别我的声音，将其转换为文本，并将显示我刚才说的吐司。我能够做到这一点，使用按钮，将启动语音识别器为我。但现在我只想让它基于我的声音工作。
应用程序应该触发语音识别器，只有当我开始说话时才开始收听，当它检测到静默时应该停止收听。就像会说话的应用程序的功能一样。在那里它记录了语音，但我想使用语音识别器来识别它。像这样的东西：
if(no silense)
Launch Recognizer
else if(silence)
Stop Recognizer
Show toast
主要的问题是，在启动语音识别器之前，我如何感知用户是否在说话。有没有
浏览 6提问于2012-06-13得票数 1
回答已采纳
1回答
语音识别支持哪些语言呢？文档没有写，只提到“实时流式语音识别适用于对识别时效要求严格的场景。目前支持的语言包括中文和英文。”但不确定离线或者在线的语音识别支持哪些语种。
请在语音识别的《产品简介》中注明，谢谢！
[附加信息]
浏览 367提问于2018-04-02
因此，我有一个使用system.speech识别引擎实现的带有语音识别的windows服务。当我启动服务时，我的语音识别代码运行得很好，但是没有任何语音识别事件触发。奇怪的是，如果我运行完全相同的代码，但在控制台或WPF应用程序中，触发语音识别的事件工作得很好。
我已经将一个调试器附加到我的服务进程中，以检查幕后发生了什么。似乎语音识别引擎正确地加载语法，将其模式设置为连续收听，并正确地设置语音识别事件。没有抛出异常，所以我不太确定这里出了什么问题。有什么想法吗？
浏览 0提问于2012-04-30得票数 8
回答已采纳
1回答
可能是重复的，但我没有找到以下问题的答案。
在过去的两天里，我一直在做一些关于语音识别的研究，但是我的问题没有得到答案：
作为一项服务，可以运行语音识别吗？我想实现这样的东西:我需要打一个号码，虽然我的电话通过语音识别是在睡眠模式。
当我在火车、公共汽车等的时候，语音识别能正确地检测出单词吗？
除了语音识别之外，是否有任何传感器来检测声音？
要使语音识别正常工作，用户是否需要靠近电话说话？
浏览 4提问于2012-12-24得票数 6
回答已采纳
我正在使用Sphinx4执行带有语法的语音识别，但出于另一个目的，我想将其保存为用户在没有语法的情况下所说的音频文件。
基本上，用户说了些什么，当它处于静默状态时，就会创建一个音频文件，我想知道是否可以重用Sphinx4系统来执行此操作。如果是，我该怎么做？
浏览 6提问于2014-04-19得票数 1
1回答
我正在寻找一个程序来验证我的Windows操作系统基于我的声音和我说的话。
需求：
文本密码应改为语音密码。
识别语音调制和验证用户
应进行密码的离线验证。
操作系统: Windows平台。
共享软件将被接受，但免费软件更好。
附加信息：
下面的软件供应商已经试过了，但遗憾的是，它们不适合离线使用，而且都是基于企业解决方案的，除此之外，它是语音识别而不是语音识别：
(对于那些对语音和语音识别之间的区别感到困惑的人，你可以使用在这里读到它。)
烈火
阿莫沃克斯
生物验证
Csid
KYC安全
Lexis Nexis风险
米斯特拉尔(开放源码)
细微差别
安全复位 (使用Voxeo)
感官说话
S
浏览 0提问于2014-07-25得票数 11
1回答
我在android的语音识别API上工作。
我是语音识别Api的新手，我的要求是作为西班牙语的语音，并从Android的语音识别API在西班牙语中获得最佳匹配文本。所以，求求你！如果你对此有任何解决方案，请让我知道。提前谢谢。
浏览 7提问于2014-03-03得票数 2
1回答
你好，我想要一些知识，使用语音/语音识别，以执行指示在我的游戏。
我对游戏开发相当陌生，我正在使用libgdx来构建我的游戏。我知道语音识别api的存在。我想知道它们是如何工作的，就像我如何将它们集成到我的游戏中一样。我希望用户能够说跳转和(玩家)跳，我想使用的语音命令是非常基本的，例如射击和球员应该发射子弹。
如果有人似乎对语音/语音识别api有一些了解，我想知道是否有一种简单的方法，我可以设置语音识别api，在听到诸如“跳转”这样的特定关键字时，我将使用该api执行特定的操作。
任何答案都会有帮助，因为我的知识非常有限，使用api和语音识别。
浏览 7提问于2014-06-19得票数 0
回答已采纳
我打算为Android实现一个说话人验证应用程序，我想知道是否有办法从Android的语音识别模块中获取语音特征(MEL系数)？
请注意，说话人验证与语音识别略有不同，这就是我不直接使用语音识别的原因。
浏览 0提问于2014-04-10得票数 0
我正在研究网络语音识别。
我发现Google为开发者提供了一个名为“V2”的API。但是我注意到每天使用它是有限度的。
之后，我发现有一个本地的WEB语音API也可以实现语音识别。它只是在google chrome和opera上工作：
那么，Google语音API和Web语音API有什么不同呢？他们有关系吗？
语音识别结果json是从谷歌回来的。谷歌语音api会比网络语音api更精确吗？
谢谢。
浏览 2提问于2015-09-11得票数 17
回答已采纳
我想知道android中的语音识别是如何工作的？它使用哪个库进行语音识别？它是自己在设备/移动设备上执行语音识别过程，还是将所有语音发送到google服务器并接收文本作为响应？
谢谢，桑尼。
浏览 2提问于2009-09-04得票数 10
回答已采纳
1回答
我正在使用Kinect + Microsoft.Speech进行语音识别。
要获得输入音频流，必须执行以下操作
Stream kinectAudioStream = myKinect.AudioSource.Start();
并开始语音识别
speechRecognitionEngine.SetInputToAudioStream(kinectAudioStream, new SpeechAudioFormatInfo(...));
speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
我的目标是实时可视化输入信号(
浏览 0提问于2013-07-17得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
