可以将CMU Sphinx设置为识别~200个单词

Question

我的客户需要能够识别语音命令的Android应用程序。根据我的理解，内置语音到文本功能实际上将数据发送到Google的服务器，然后发送回文本翻译。这是一个主要问题，因为语音数据非常敏感（除非数据在发送到Google和从Google发送时加密 - 但我怀疑它是加密的）。

我可以想到两个选项。首先是在Android上转换语音到文本，虽然这似乎是一个非常昂贵的操作。第二种可能性是让本地服务器为我转换数据（我可以加密语音数据和转发时的语音数据）。这是CMU Sphinx能够实现的吗？值得注意的是，我也可以访问Asterisk服务器，这可能有助于解决这个问题（我不知道）。

实际上，应该只有大约200个单词需要被识别。我更喜欢开源/免费软件解决方案，但我也对商业解决方案（可能是FlexT9）持开放态度。理想情况下，我可以将音频流发送到某处，获取一个字符串作为文本，然后我可以使用字符串解析并执行其他操作。

我过去没有做太多的机器人或任何语音识别开发，所以我希望有人能够至少指出我正确的方向。谢谢！

Answer 1

CMUSphinx是一个开源语音识别工具包，可用于构建应用程序。它包含工具，库和数据，使您可以构建语音应用程序。您可以在上面的网站上了解有关CMUSphinx的更多信息。

在Android上，您有几种使用CMUSphinx的选项：

1. 识别设备上的音频。为此你可以为Android编译Pocketsphinx引擎。有关详细信息see this blog post。

2. 识别服务器上的音频。作为服务器，您可以使用Pocketsphinx或Sphinx4。您可以以压缩flac格式发送音频或在设备上提取语音识别功能，并将功能流发送到服务器。

CMUSphinx为您提供了几种声学模型，使您能够识别英语，法语，普通话，德语，荷兰语，俄语等多种语言的音频。

您还可以使用自适应工具改进识别结果。

如果您对CMUSphinx有任何疑问，欢迎ask in our community forums。

Answer 2

封闭源代码，但免费，是Microsoft语音引擎。对于某些背景，请参阅What is the difference between System.Speech.Recognition and Microsoft.Speech.Recognition?。对于更多背景，您可以尝试https://stackoverflow.com/a/4217638/90236

http://www.microsoft.com/download/en/details.aspx?id=27226提供了完整的Microsoft服务器语音平台11 SDK。语音引擎是免费下载的。