语音/语音转文本

Question

我需要一个API或库(最好是免费的)，它可以通过麦克风将语音/语音转换为文本(字符串)。

此外，我需要一个API或库，可以做文本到语音。

我想使用C#和.NET，但是其他语言就足够了。

谢谢。

Answer 1

你可以使用CMU Sphinx，因为它是非常开放和可扩展的解决方案，我认为它可以在客户端和服务器端使用：

http://cmusphinx.sourceforge.net/

如果您正在寻找Microsoft桌面解决方案，则可以使用SAPI：

http://msdn.microsoft.com/en-us/magazine/cc163663.aspx

在服务器端，您可以使用Microsoft统一通信，但也要考虑许可：

http://www.microsoft.com/uc/en/gb/default.aspx

更新：

这个帖子也有一些很好的参考：

C# Speech Recognition - Is this what the user said?

Answer 2

下面是一个使用C#和System.Speech将语音转换为文本的完整示例

代码可以分为两个主要部分：

配置处理SpeechRecognized和SpeechHypothesized事件的SpeechRecognitionEngine对象(及其必需的元素)。

第1步:配置SpeechRecognitionEngine

_speechRecognitionEngine = new SpeechRecognitionEngine();
_speechRecognitionEngine.SetInputToDefaultAudioDevice();
_dictationGrammar = new DictationGrammar();
_speechRecognitionEngine.LoadGrammar(_dictationGrammar);
_speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);

此时，您的对象已准备好开始从麦克风转录音频。不过，您需要处理一些事件，以便实际访问结果。

第2步:处理SpeechRecognitionEngine Events

_speechRecognitionEngine.SpeechRecognized -= new EventHandler(SpeechRecognized)；_speechRecognitionEngine.SpeechHypothesized -= new EventHandler(SpeechHypothesizing)；

_speechRecognitionEngine.SpeechRecognized += new EventHandler(SpeechRecognized)；_speechRecognitionEngine.SpeechHypothesized += new EventHandler(SpeechHypothesizing)；

private void SpeechHypothesizing(object sender，SpeechHypothesizedEventArgs e) {/引擎字符串realTimeResults = e.Result.Text；}实时结果

private void SpeechRecognized(object sender，SpeechRecognizedEventArgs e) {/来自引擎字符串finalAnswer = e.Result.Text；}的最终答案

就这样。如果您想使用预先录制的.wav文件而不是麦克风，您可以使用

_speechRecognitionEngine.SetInputToWaveFile(pathToTargetWavFile)；

而不是

_speechRecognitionEngine.SetInputToDefaultAudioDevice()；

这些类中有一堆不同的选项，它们值得更详细地研究。

http://ellismis.com/2012/03/17/converting-or-transcribing-audio-to-text-using-c-and-net-system-speech/

Answer 3

请参阅Using c++ to call and use Windows Speech Recognition

上面写着：

Microsoft为Windows的客户端和服务器版本提供语音识别引擎。两者都可以用C++或.NET语言编程。在C++中进行编程的传统应用编程接口称为SAPI。用于客户端和服务器语音.NET框架名称包是System.Speech和Microsoft.Speech。

SAPI文档- http://msdn.microsoft.com/en-us/library/ms723627(VS.85).aspx

用于客户端识别的.NET命名空间是System.Speech - http://msdn.microsoft.com/en-us/library/system.speech.recognition.aspx。Windows Vista和7包括语音引擎。

用于服务器识别的.NET命名空间是Microsoft.Speech，10.2版本的完整.NET可以在http://www.microsoft.com/downloads/en/details.aspx?FamilyID=1b1604d3-4f66-4241-9a21-90a294a5c9a4上获得。语音引擎是免费下载的。

许多早期的问题都解决了这个问题。有关示例，请参阅Prototype based on speech recognition、getting started with speech recognition and speech synthesis和SAPI and Windows 7 Problem。