目前最好的iOS语音识别API是什么，可以匹配少量关键词？

Question

我正在寻找一个ios API（最好是免费的），可以进行语音识别。我看过一些相关的帖子：iPhone语音识别API？和iOS免费语音识别引擎？在查看了一些信息之后，我收集到了一些看起来相当有趣的SDK：

• http://dragonmobile.nuancemobiledeveloper.com/public/index.php?task=home
• http://www.politepix.com/openears
• http://www.creaceed.com/ceedvocalsdk/（不免费：- \）
• http://www.ispeech.org/

这些SDK中是否有一个真正脱颖而出的？它们之间的区别在哪里？

- tiguero

---

如果您只是在评论中指出了几个单词并正在寻找它们，那么最好更新您的问题以包含此要求。 - Nikolay Shmyrev

http://stackoverflow.com/questions/35388720/cant-start-service-speech-recog - Ruchir Baronia

Answer 1

如果你想追踪一些关键词，不应该去寻找语音识别API或服务。这个任务叫做关键词检测，它使用的算法与语音识别不同。语音识别试图找出所有被说过的单词，因此它消耗的资源比关键词检测多得多。关键词检测只尝试找到几个选定的关键词或关键词短语。这更加简单，消耗的资源也少得多。

唯一可能实现此功能的解决方案是使用像OpenEars powered by Pocketsphinx这样的开源软件包。 http://www.politepix.com/openears OpenEars有一个Rejecto插件，实现了类似的功能。

Pocketsphinx本身最近也实现了开源的有效关键词检测，但还没有进入OpenEars。它仅通过pocketsphinx API提供，您需要创建kws搜索并设置要查找的目标单词。我希望很快这个功能也能到达OpenEars。

- Nikolay Shmyrev

---

但是 OpenEars 的准确性相当不稳定，令人感到烦恼。你能推荐更好的东西吗？ - Abhishek Bedi

@AbhishekBedi：对我来说，OpenEars的准确性非常好，可能是你没有正确使用它。你需要提供更多信息以便得到帮助。 - Nikolay Shmyrev

欢迎您更好地描述您的问题，并提供详细信息，包括您正在做什么、期望得到什么以及实际得到了什么。为了方便分析，您需要提供录音。只要提供足够的信息，这个问题就很容易解决。 - Nikolay Shmyrev

使用openears的演示版时，我最初并没有留下深刻印象。当我尝试说“TESTING”时，它回复说你说了“TURN”。或者说“NO”，而它则回应你说了“GO GO”。后来我意识到我只能使用一组固定的词汇时，我的体验才得以改善。此外，我认为必须使用Rejecto插件来拒绝不在固定词汇集中的单词。 - christophercotton

是的，强烈推荐使用Rejecto插件。 - Nikolay Shmyrev

Answer 2

Nuance给开发者提供免费访问（但不适用于高流量） - 详见 http://www.masshightech.com/stories/2011/09/26/daily13-Nuance-tweaks-mobile-dev-program-with-free-access-to-Dragon.html 或 http://dragonmobile.nuancemobiledeveloper.com/public/index.php?task=home 通常情况下，Nuance服务是商业性的并要求提前支付费用和交易费用。上述有趣的消息是，他们现在将其服务的低使用量开放给开发者免费使用。因此，对于开发、测试和演示，您可以使用免费的Nuance服务。然而，与Android中免费提供的Google服务不同，如果您的应用程序有数千个用户，则可能需要为Nuance服务付费。

- Michael Levy

---

谢谢Michael - 它与OpenEars或iSpeech有何不同，它们也是免费的吗？您所说的高音量是什么意思：需要处理的数据量以提取关键字？对不起，我不太了解语音识别。在我的情况下，我需要连续提取几个关键字（最多4/5个）：我不希望用户与应用程序交互以进入语音识别模式。 - tiguero

Nuance是商业语音识别领域的行业领导者。他们就像网络领域的思科或存储领域的EMC一样。他们是一家拥有行业领先技术的巨大成功公司。据信，Nuance提供了苹果Siri背后的识别技术。OpenEars（我相信）是一个针对Sphinx和其他开源识别器的iOS开源库。iSpeech来自新泽西州的一个小团队，他们似乎以DriveSafe.ly应用程序而闻名。抱歉，我不太了解他们。 - Michael Levy

Answer 3

自2008年以来，我们一直在开发CeedVocal SDK，它基于Julius和FLite开源项目。

背景如下：我们想在2008年开发我们的语音识别应用程序(Vocalia)，最终选择了Julius(虽然Pocket Sphinx也很不错)并优化了其文件格式，使它在原始iPhone上启动时间缩短到1-2秒，而不是20秒。然后，我们勤奋地在6种语言中训练了我们自己的声学模型。我们设计了API，并最终决定将其提供给其他开发者作为SDK。

CeedVocal基本上支持两种操作模式：

1.单词匹配（或小短语）;

2.关键字检测。

在第一种操作模式下，它会尝试将输入的语音与其可接受输入列表中的一个单词（或短语）进行对齐。即使语音内容不同，也会将其强制转换为预先知道的单词，准确性很高。在第二种操作模式下，它将尝试从语音流中选取其中一个关键字。这种情况比较困难，可能不太准确。

- rsebbe