Question

我正在为大学项目开发一个原型演讲文本字幕应用程序。我将在我的项目中使用手势识别，所以我认为使用Kinect作为麦克风源是一个好主意，而不是使用额外的麦克风。我的应用的想法是识别自发的演讲，如长而复杂的句子（我明白，语音听写不会是完美的）。我看过许多Kinect语音示例，它引用了Microsoft.Speech，但没有引用System.Speech。由于我需要训练语音引擎并将DictationGrammar加载到语音识别引擎中，因此Microsoft.Speech是我的唯一选择。

我使用Kinect作为直接麦克风音频源时设法让它工作，但由于我正在加载Kinect进行视频预览和手势识别，我无法将其作为直接麦克风访问。

这是直接访问麦克风的代码，无需加载Kinect硬件用于手势等，并且工作正常：

private void InitializeSpeech()
{
    var speechRecognitionEngine = new SpeechRecognitionEngine();
    speechRecognitionEngine.SetInputToDefaultAudioDevice();
    speechRecognitionEngine.LoadGrammar(new DictationGrammar());
    speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
    speechRecognitionEngine.SpeechRecognized += (s, args) => MessageBox.Show(args.Result.Text);
}

这是我需要在加载后通过Kinect访问访问源的地方，这根本没有做任何事情。我想这样做：

using (var audioSource = new KinectAudioSource())
{
    audioSource.FeatureMode = true;
    audioSource.AutomaticGainControl = false;
    audioSource.SystemMode = SystemMode.OptibeamArrayOnly;

    var recognizerInfo = GetKinectRecognizer();
    var speechRecognitionEngine = new SpeechRecognitionEngine(recognizerInfo.Id);

    speechRecognitionEngine.LoadGrammar(new DictationGrammar());
    speechRecognitionEngine.SpeechRecognized += (s, args) => MessageBox.Show(args.Result.Text);

    using (var s = audioSource.Start())
    {
        speechRecognitionEngine.SetInputToAudioStream(s, new SpeechAudioFormatInfo(EncodingFormat.Pcm, 16000, 16, 1, 32000, 2, null));
        speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
    }
}

所以问题是，是否可以使用System.Speech代替Microsoft.Speech和当前的Kinect SDK，以及我在第二个代码示例中做错了什么？

GetKinectRecognizer方法

private static RecognizerInfo GetKinectRecognizer()
{
    Func<RecognizerInfo, bool> matchingFunc = r =>
    {
        string value;
        r.AdditionalInfo.TryGetValue("Kinect", out value);
        return "True".Equals(value, StringComparison.InvariantCultureIgnoreCase) && "en-US".Equals(r.Culture.Name, StringComparison.InvariantCultureIgnoreCase);
    };

    return SpeechRecognitionEngine.InstalledRecognizers().Where(matchingFunc).FirstOrDefault();
}

Answer 1

从我自己的实验中，我可以告诉你，你实际上可以同时使用这两个库。

尝试使用此代码而不是当前代码（确保您显然添加了对System.Speech的引用）：

using (var audioSource = new KinectAudioSource())
{
    audioSource.FeatureMode = true;
    audioSource.AutomaticGainControl = false;
    audioSource.SystemMode = SystemMode.OptibeamArrayOnly;

    System.Speech.Recognition.RecognizerInfo ri = GetKinectRecognizer();
    var speechRecognitionEngine = new SpeechRecognitionEngine(ri.Id);

    speechRecognitionEngine.LoadGrammar(new DictationGrammar());
    speechRecognitionEngine.SpeechRecognized += (s, args) => MessageBox.Show(args.Result.Text);

    using (var s = audioSource.Start())
    {
        speechRecognitionEngine.SetInputToAudioStream(s, new SpeechAudioFormatInfo(EncodingFormat.Pcm, 16000, 16, 1, 32000, 2, null));
        speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
    }
}

祝你好运!!!

Answer 2

请参考System.Speech尝试使用此代码。

<기준가격(원)>

使用System.Speech和Kinect

2 个答案: