Question

我正在制作一个涉及我公寓麦克风的个人项目，我可以发出口头命令。为了实现这一点，我一直在使用Microsoft Speech API，特别是C＃中System.Speech.Recognition的RecognitionEngine。我按如下方式构建语法：

// validCommands is a Choices object containing all valid command strings
// recognizer is a RecognitionEngine
GrammarBuilder builder = new GrammarBuilder(recognitionSystemName);
builder.Append(validCommands);
recognizer.SetInputToDefaultAudioDevice();
recognizer.LoadGrammar(new Grammar(builder));
recognizer.RecognizeAsync(RecognizeMode.Multiple);

// etc ...

对于我实际上给它命令的情况，这似乎工作得很好。它还没有错误地识别我的一个命令。不幸的是，它也倾向于随机说话作为命令！我试图通过在命令 Choices 对象中添加“name”（ recognitionSystemName ）来改善这种情况，我将系统称为。奇怪的是，这似乎没有帮助。我将它限制为一组预定的命令短语，所以我认为它能够检测语音是否不是任何字符串。我最好的猜测是假设所有声音都是命令并从命令集中选择最佳匹配。任何关于改进这个系统以使其不再触发不针对它的对话的建议都会非常有帮助。

编辑：我已将名称识别器移动到单独的SpeechRecognitionEngine，但准确性很差。这是我编写的一些测试代码，用于检查准确性：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Speech.Recognition;

namespace RecognitionAccuracyTest
{
    class RecognitionAccuracyTest
    {
        static int recogcount;
        [STAThread]
        static void Main()
        {
            recogcount = 0;
            System.Console.WriteLine("Beginning speech recognition accuracy test.");

            SpeechRecognitionEngine recognizer;
            recognizer = new SpeechRecognitionEngine(new System.Globalization.CultureInfo("en-US"));
            recognizer.SetInputToDefaultAudioDevice();
            recognizer.LoadGrammar(new Grammar(new GrammarBuilder("Octavian")));
            recognizer.SpeechHypothesized += new EventHandler<SpeechHypothesizedEventArgs>(recognizer_SpeechHypothesized);
            recognizer.SpeechRecognized += new EventHandler<SpeechRecognizedEventArgs>(recognizer_SpeechRecognized);
            recognizer.RecognizeAsync(RecognizeMode.Multiple);

            while (true) ;
        }

        static void recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
        {
            System.Console.WriteLine("Recognized @ " + e.Result.Confidence);
            try
            {
                if (e.Result.Audio != null)
                {
                    System.IO.FileStream stream = new System.IO.FileStream("audio" + ++recogcount + ".wav", System.IO.FileMode.Create);
                    e.Result.Audio.WriteToWaveStream(stream);
                    stream.Close();
                }
            }
            catch (Exception) { }
        }

        static void recognizer_SpeechHypothesized(object sender, SpeechHypothesizedEventArgs e)
        {
            System.Console.WriteLine("Hypothesized @ " + e.Result.Confidence);
        }
    }
}

如果名称是“Octavian”，它会识别“Octopus”，“Octagon”，“Volkswagen”和“哇，真的吗？”之类的东西。我可以清楚地听到相关音频片段的不同之处。任何使这不可怕的想法都会很棒。

Answer 1

让我确定我理解，你想要一个短语来将命令分配给系统，比如“butler”或“Siri”。所以，你会说“巴特勒，打开电视”。你可以将它构建到你的语法中。

这是一个简单语法的示例，它在识别命令之前需要一个开始短语。它使用语义结果来帮助您理解所说的内容。在这种情况下，用户必须说“打开”或“请打开”或“你可以打开”

    private Grammar CreateTestGrammar()
    {
        // item
        Choices item = new Choices();
        SemanticResultValue itemSRV;
        itemSRV = new SemanticResultValue("I E", "explorer");
        item.Add(itemSRV);
        itemSRV = new SemanticResultValue("explorer", "explorer");
        item.Add(itemSRV);
        itemSRV = new SemanticResultValue("firefox", "firefox");
        item.Add(itemSRV);
        itemSRV = new SemanticResultValue("mozilla", "firefox");
        item.Add(itemSRV);
        itemSRV = new SemanticResultValue("chrome", "chrome");
        item.Add(itemSRV);
        itemSRV = new SemanticResultValue("google chrome", "chrome");
        item.Add(itemSRV);
        SemanticResultKey itemSemKey = new SemanticResultKey("item", item);

        //build the permutations of choices...
        GrammarBuilder gb = new GrammarBuilder();
        gb.Append(itemSemKey);


        //now build the complete pattern...
        GrammarBuilder itemRequest = new GrammarBuilder();
        //pre-amble "[I'd like] a"
        itemRequest.Append(new Choices("Can you open", "Open", "Please open"));

        itemRequest.Append(gb);

        Grammar TestGrammar = new Grammar(itemRequest);
        return TestGrammar;
    }

然后您可以使用以下内容处理语音：

RecognitionResult result = myRecognizer.Recognize();

并检查语义结果，如：

if(result.Semantics.ContainsKey("item"))
{
   string s = (string)result.Semantics["item"].Value;
}

Answer 2

我也有同样的问题。我正在使用Microsoft语音平台，因此它的准确性可能会有所不同等。

我正在使用Claire作为唤醒命令，但它确实识别出Claire也有不同的词语。问题是引擎会听到你发言并搜索最接近的匹配。

我没有找到一个非常好的解决方案。您可以尝试使用“置信度”字段过滤已识别的语音。但是我选择的识别器引擎并不是很可靠。我只是在一个大的SRGS.xml中抛出我想要识别的每个单词，并将重复值设置为0-。我只接受认可的句子，因为克莱尔是第一个字。但是这个解决方案并不是我想要的，因为它不能像我希望的那样好，但它仍然有点改进。

我现在正忙着它，随着我的进步，我会发布更多信息。

编辑1：作为对Dims所说的评论：在SRGS语法中可以添加“垃圾”规则。你可能想看一下。 http://www.w3.org/TR/speech-grammar/

Answer 3

原则上，你需要更新语法或字典，以便在那里有“空”或“任何”条目。

Answer 4

您是否可能需要在创建/加载要使用的语法之前运行UnloadAllGrammars（）？

使用SAPI向正常语音发出区别命令

4 个答案: