Mac OS X语音识别API。怎么使用？

Question

我有一个程序，它从TCP/IP接收单声道比特流的音频。我想知道Mac OS X中的语音（语音识别）API是否能够为我执行文本转换。

（我不介意先将音频保存为.wav文件，然后再读取它，而不是即时进行转换）。

我已经阅读了官方在线文档，但有点令人困惑。我也找不到关于这个主题的好示例。

另外，我应该在Cocoa/Carbon/Java或Objective-C中完成吗？

能否有人请帮我解释一下？

谢谢。

- Roy Chan

Answer 1

这可能有点晚了，但我还是要发表一下意见。在OS X中的语音识别设施（无论是Carbon还是Cocoa）都是用于语音命令识别的，这意味着它们会识别已经加载到语音系统语言模型中的单词（或短语、命令）。我尝试过使用小型词典进行一些操作，效果还不错，但如果你想识别任意语音，情况可能会更加复杂。还要记住的另一件事是，OS X中语音API提供的功能并不是一对一的。Carbon提供的功能还没有被NSSpeechRecognizer实现（文档中有提到）。我不知道Cocoa是怎么样的，但Carbon语音识别管理器允许您指定除麦克风以外的输入，因此声音流也可以正常工作。

- Latrokles

Answer 2

在安装XCode时，会将许多示例复制到/Developer/Examples/Speech/Recognition下。

与语音识别相关的Cocoa类是NSSpeechRecognizer。我没有使用过它，但据我所知，语音识别需要构建语法以帮助引擎从一系列选择中进行选择，而不是允许您传递自由形式的输入。所有这些都在上述示例中有所解释。

- diciu

Answer 3

您可以使用ApplicationServices的SpeechSynthesis（10.0+）

CFStringRef cfstr = CFStringCreateWithCString(NULL,"Hello World!", kCFStringEncodingMacRoman);
Str255 pstr;    
CFStringGetPascalString(cfstr, pstr, 255, kCFStringEncodingMacRoman);   
SpeakString(pstr);

或者使用AppKit的NSSpeechSynthesizer（10.3+）

NSSpeechSynthesizer *synth = [[NSSpeechSynthesizer alloc] initWithVoice:@"com.apple.speech.synthesis.voice.Alex"];
[synth startSpeakingString:@"Hello world!"];

- valexa

---

这是用于合成语音（文本转语音），而不是识别语音（语音转文本）。 - Peter Hosey

看起来我是想回答另一个问题的，但现在我找不到那个问题了。 - valexa

Answer 4

这里有一篇不错的 O'Reilly 文章可以帮助你入门。

- Charlie Martin