在Vista上使用Microsoft的SAPI 5.3 Speech API，您如何以编程方式对RecoProfile进行声学模型培训？更具体地说，如果你有一个文本文件和一个说出该文本的用户的音频文件，你会使用该文本和音频来训练用户的个人资料进行什么样的SAPI调用？
有关此问题的更多信息我还没有解决： 您在“开头”调用ISpRecognizer2.SetTrainingState（TRUE，TRUE），在“结尾”调用ISpRecognizer2.SetTrainingState（FALSE，TRUE）。但目前还不清楚这些行动何时必须相对于其他行动发生。
例如，您必须进行各种调用以设置语法，其中包含与您的音频匹配的文本，以及其他用于连接音频的调用，以及对各种对象的其他调用以说“您现在可以开始使用“。但是什么是相互依赖性 - 在其他什么之前必须发生什么？如果您使用音频文件而不是系统麦克风进行输入，这是否会使相对时间变得不那么宽容，因为识别器不会一直坐在那里听，直到说话者听到它为止？
答案 0 :(得分：15)
实施SAPI培训相对比较困难，文档并没有真正告诉您需要了解的内容。
ISpRecognizer2::SetTrainingState将识别器切换为训练模式或退出训练模式。
当你进入训练模式时，所有真正发生的事情是识别器为用户提供了更多关于识别的余地。因此，如果您正在尝试识别一个短语，那么引擎对识别的严格程度会低得多。
在您离开训练模式之前，引擎并没有真正进行任何调整，并且您已设置了fAdaptFromTrainingData标志。
当引擎适应时，它会扫描存储在配置文件数据下的训练音频。培训代码负责将新的音频文件放在引擎可以找到的位置以供调整。
这些文件也必须贴上标签，以便引擎知道所说的内容。
那你怎么做的？您需要使用三个鲜为人知的SAPI API。特别是，您需要使用ISpRecognizer::GetObjectToken和SpObjectToken::GetStorageFileName来获取配置文件令牌，以便正确找到该文件。
最后，您还需要使用ISpTranscript生成正确标记的音频文件。
要将它们放在一起，您需要执行以下操作（伪代码）：
创建一个inproc识别器＆amp;绑定适当的音频输入。
确保您保留音频以供识别;你以后会需要的。
创建一个包含要训练的文本的语法。
设置语法状态以在识别发生时暂停识别器。 （这也有助于从音频文件中进行培训。）
识别时：
获取已识别的文字和保留的音频。
使用CoCreateInstance（CLSID_SpStream）创建流对象。
使用ISpRecognizer::GetObjectToken和ISpObjectToken::GetStorageFileName创建培训音频文件，并将其绑定到流（使用ISpStream::BindToFile）。
将保留的音频复制到流对象中。
QI ISpTranscript接口的流对象，并使用ISpTranscript::AppendTranscript将已识别的文本添加到流中。
更新下一个话语的语法，恢复识别器，然后重复，直到你没有训练文本。