以编程方式运行HTML5 webkitSpeechRecognition API

Question

我对以编程方式运行webkitSpeechRecognition API很感兴趣。我想获取一个上传到服务器上的音频文件，并在后端使用webkitSpeechRecognition接口来识别文本并将结果返回给客户端。

一种可能是运行某种形式的“嵌入式”版本的Chrome，但我不确定如何传入音频输入。另一种方法是使用某种形式的C++绑定来访问应用程序接口，但我不确定这是否过于复杂。

这个是可能的吗？如何做到这一点呢？

Answer 1

我以前也这样做过，但规模不是很大。我用了这个软件，

http://vb-audio.pagesperso-orange.fr/Cable/index.htm

我从这个链接中找到的

Play audio as microphone input

有了它，你就可以识别你通过扬声器播放的任何东西，该程序可以制作一个虚拟麦克风，它可以从它创建的虚拟扬声器中流式传输音频。

至于你的chrome嵌入式版本，你可以试着抓取铬的源代码，并将他们从麦克风中读取的代码替换为从文件中读取的代码，我不知道你会用这种方式走多远，但我从来没有读过那个代码。