HTML5应用程序的服务器端语音识别

Question

我正在运行一个Web应用程序，它大量使用WebkitSpeechRecognition，而后者又使用了Google的服务器。

我想从这种依赖中释放我的应用程序。 我们已经使用了WebAudio，adi在浏览器中得到了很好的支持。

是否有针对此方案的任何合适的服务器端解决方案（Windows 2008 R2上的IIS 7.5），或者我们可以采用任何Dot Net路径来构建我们自己的识别服务器？

我知道这个问题的范围非常广泛，但即使在搜索网络后，我们仍然非常迷失方向。

Answer 1

对于使用Nuance（https://developer.nuance.com/public/index.php?task=prodDev）的HTTP API的一般听写应用程序，我的结果非常好。

基本上我们构建了一个websocket服务器（您可能在.NET中使用SignalR），我们从浏览器连接到这个服务器（由于分块编码的安全问题，您无法直接点击Nuance API）让我们的websocket服务器充当代理，将数据从客户端传递到Nuance。 Nuance随后返回了对所说内容的字符串解释，然后我们将其返回给客户端。

虽然YMMV，但大部分时间都非常准确。 :)我们还必须通过手动审批流程来描述我们的用例，这不是什么大问题但很有用。

Answer 2

基于开源语音识别引擎（如CMUSphinx或Kaldi）有很好的服务器端解决方案，但是，服务器必须在Linux下运行，而不是Win。您可能能够运行Win服务器，但您必须将Linux解决方案移植到它。

要试用它的工作原理，您可以访问http://kaljurand.github.io/dictate.js