我正在研究各种语音识别策略，我喜欢grammars as defined in the Web Speech spec的想法。似乎如果你能告诉语音识别服务你期望“是”或“否”，服务可以更可靠地将“是”识别为“是”，将“否”识别为“否”，并且希望也能够说“它听起来不像那些！”。
但是，在SFSpeechRecognitionRequest中，我只看到taskHint来自confirmation dictation，search，unspecified和{{{{}}的值1}}。
我也看到SFSpeechRecognitionTaskHint，但似乎是出于不同的目的。即，我认为我应该把品牌/商标类型的东西放在那里。将“是”和“否”置于不会使这些单词更有可能被选中，因为它们已经存在于系统字典中（这是我根据文档所说的基础做出的假设）。
使用API可以做更像语法的事情，或者更简单地说，只是提供一个预期短语列表，这样语音识别更有可能产生一个我期望的结果，而不是类似听起来的胡言乱语/同音词？ contextualStrings是否可能会增加系统选择其中一个字符串的可能性，而不仅仅是扩展系统字典？或者也许我采取了错误的方法，我应该自己强制执行语法并枚举SFSpeechRecognitionRequest.contextualStrings，直到找到一个匹配的预期单词？
不幸的是，我自己无法测试这些API;我只是在研究编写原生iOS应用程序的可行性，而没有必要的开发环境。