我正在创建一个小型应用程序，当用户对麦克风讲话时，需要实时输出音素。就我而言，识别输出的速度是数字1的优先级，甚至超过准确性。首选使用C＃，但是如果可以使用其他语言和/或库（例如CMUSphinx）来实现更好的速度，我会进行切换。
使用System.Speech.Recognition和DictationGrammar("grammar:dictation#pronunciation")，我已经能够创建一个简单有效的音素识别器，当您对着麦克风讲话时，它可以输出音素，并且精度通常令人印象深刻（请订阅SpeechRecognitionEngine.SpeechHypothesized事件使我可以看到实时输出）。问题是，在用户讲话和输出之间的最小延迟约为0.5s，这与项目正常工作相去甚远。我知道通常这是一个相当高的速度，特别是考虑到良好的准确性，但是即使准确性受到很大的影响，我也确实需要更快的速度。有什么方法可以配置SpeechRecognitionEngine来将准确性扔掉，以便更快地提出假设？我使用SpeechRecognitionEngine.UpdateRecognizerSetting找到了一些公开的设置，但是它们似乎对音素识别的输出影响很小。
我还研究了CMUSphinx，这是一个看起来很有希望的免费语音识别项目。 Sphinx4易于编译，并且使用Java进行测试，但是我不知道如何配置它以实时输出音素，并且单词识别相对较慢。 Here，我在他们的另一个项目Pocketsphinx中发现了一些有关音素识别的注释。我也能够下载并编译它，但是无法成功运行任何测试。有人将CMUSphinx或Pocketsphinx与音素一起使用吗？它有很高的实时输出速度吗？也许还有更多选择？我真的在寻找一些非常基础但又快的东西。
编辑：能够获得Pocketphinx识别音素，但是在项目中使用太慢了