System.Speech.Recognition无法准确识别连续输入

Question

我有一个程序，很好地识别语音与System.Speech使用SpeechRecognitionEngine。然而，虽然准确，它似乎扔掉了一些音频输入，它收到。如果我说，“一，二，三”，在每个单词之间停顿，它正确地转录每一项工作。然而，如果我在每个单词之间不停顿地说出它们，它就会正确地转录第一个单词，有时是第三个单词。第二个词被忽略了。

其他人也有这个问题，但我还没有找到他们的解决方案。Microsoft Speech Recognition Speed

如果可以的话，我想将录音机音频位置设置到音频流的前面一点，但是我还没有在API中找到一个函数来允许我这样做。我正在考虑的另一种方法是有多个识别引擎，每个引擎只使用一个单词，并在处理完该词后被重用，但这是一个非常复杂和资源匮乏的解决方案。

如果能在这个问题上提供任何帮助，我们将不胜感激。

我已经将其简化为以下C#代码：

public void Init()
{
    // Create an in-process speech recognizer for the en-US locale.
    var cultureInfo = new System.Globalization.CultureInfo("en-US");
    recognizer_ = new SpeechRecognitionEngine(cultureInfo);

    // Create and load a dictation grammar.
    var numbers = new Choices();
    numbers.Add(new string[] { "one", "two", "three" });

    // Create a GrammarBuilder object and append the Choices object.
    GrammarBuilder gb = new GrammarBuilder();
    gb.Append(numbers);
    var g = new Grammar(gb);
    recognizer_.LoadGrammar(g);

    // Add a handler for the speech recognized event.
    recognizer_.SpeechRecognized +=
        new EventHandler<SpeechRecognizedEventArgs>(recognizer_SpeechRecognized);
    recognizer_.SpeechDetected += recognizer_SpeechDetected;

    // Configure input to the speech recognizer.
    recognizer_.SetInputToDefaultAudioDevice();

    // Start asynchronous, continuous speech recognition.
    recognizer_.RecognizeAsync(RecognizeMode.Multiple);
}

void recognizer_SpeechDetected(object sender, SpeechDetectedEventArgs e)
{
    Console.WriteLine("\nspeech detected event audio position:\t\t" + e.AudioPosition);
    Console.WriteLine("speech detected current audio position:\t\t" + recognizer_.AudioPosition);
    Console.WriteLine("speech detected recognizer audio position:\t" + recognizer_.RecognizerAudioPosition);
}

// Handle the SpeechRecognized event.
void recognizer_SpeechRecognized(object sender, SpeechRecognizedEventArgs e)
{
    Console.WriteLine("speech recognized event audio position:\t\t" + e.Result.Audio.AudioPosition);
    Console.WriteLine("speech recognized event audio start time: " + e.Result.Audio.StartTime);
    Console.WriteLine(e.Result.Text);

    // do things
    // ...
}

Answer 1

而不是

gb.Append(numbers);

，它指定识别孤立的数字，尝试如下

gb.Append(new GrammarBuilder(numbers), 1, 5);

这将允许识别最多5个数字的数字顺序。根据你的需要调整重复次数。