我有一个客户端需要一个能识别口头命令的Android应用程序.根据我的理解,内置语音到文本功能实际上将数据发送到Google的服务器,然后发送回文本翻译.这是一个主要问题,因为语音数据非常敏感(除非数据在发送到Google或从Google发送时加密 - 但我怀疑它是加密的).
我能想到两个选项.首先是在Android上转换语音到文本,虽然这似乎是一个非常昂贵的操作.第二种可能性是让本地服务器为我转换数据(我可以加密语音数据和转发时的语音数据).这是CMU Sphinx能够实现的吗？值得注意的是,我也可以访问Asterisk服务器,这可能有助于此(我不知道).
实际上,应该只有大约200个单词需要被识别.我更喜欢开源/免费软件解决方案,但我也对商业解决方案(可能是FlexT9)持开放态度.理想情况下,我可以将音频流发送到某处,获取一个String作为文本,然后我可以使用String解析并执行其他操作.
我过去没有做太多的机器人或任何语音识别开发,所以我希望有人能够至少指出我正确的方向.谢谢!