标签: microsoft-speech-api

我在inproc-mode中SpeechRecognitionEngine使用命名空间System.Speech来完成一些自动化工作.语音识别通过以下方式开始RecognizeAsync.

它工作正常,但是,当计算机锁定时,语音识别停止.一旦计算机解锁,识别就会再次激活.虽然对于大多数应用程序来说这可能是一个有意义的行为,但对我来说,这是个问题.我搜索过网络,但没有找到解决方案来禁用此行为.

如何参数化SpeechRecognition不要在计算机锁定时停止？

(请注意:该应用程序是传统的Windows WPF应用程序,而不是Windows应用商店应用程序)

我已经安装了x86 SDK并将Microsoft.Speech.dll添加到我的项目中.该项目设置为x86.

在尝试创建SpeechSynthesizer我得到的实例时

由于以下错误,检索具有CLSID {D941651C-44E6-4C17-BADF-C36826FC3424}的组件的COM类工厂失败:80040154未注册类(HRESULT异常:0x80040154(REGDB_E_CLASSNOTREG)).

还有什么可以导致那些错误的目标平台？

似乎微软提供了不少语音识别产品,我想知道它们之间的差异.

• 有Microsoft Speech API或SAPI.但不知何故,Microsoft Cognitive Service Speech API具有相同的名称.

• 现在好了,Azure上的Microsoft Cognitive Service提供了语音服务API和Bing Speech API.我假设语音到文本,两个API是相同的.

• 然后是System.Speech.Recognition(或桌面SAPI),Microsoft.Speech.Recognition(或Server SAPI)和Windows.Media.Speech.Recognition.这里和这里对三者之间的差异有一些解释.但我的猜测是它们是基于HMM的旧语音识别模型,又名神经网络模型,并且所有这三种都可以在没有互联网连接的情况下离线使用,对吧？

• 对于Azure语音服务和bing语音API,它们是更高级的语音模型吗？但我认为没有办法在我的本地计算机上脱机使用它们,因为它们都需要订阅验证.(即使Bing API似乎有一个C#桌面库 ..)

基本上我想要一个离线模型,它可以进行语音到文本的转录,用于我的会话数据(每个音频录制5-10分钟),可以识别多个扬声器并输出时间戳(或时间编码输出).所有的选择我现在有点困惑.如果有人能向我解释,我将不胜感激,非常感谢!

我想使用Microsoft的REST API转录更长的音频文件（至少5分钟）。有很多不同的产品和名称，例如语音服务API或Bing语音API。到目前为止，我尝试过的REST API都不支持转录更长的音频文件。

该文档指出有一个完全适合这种情况的REST API：https : //docs.microsoft.com/zh-cn/azure/cognitive-services/speech-service/batch-transcription

该服务的终点是什么？

嗨，我试图找到一种使用 Microsoft Speech API 使用 Angular 5 的方法，我将 microsoft-speech-browser-sdk 用于 javascript

https://github.com/Azure-Samples/SpeechToText-WebSockets-Javascript

我只是从“microsoft-speech-browser-sdk”导入 SDK 导入 * 作为 SDK；我尝试在示例中使用相同的代码

但我有这个错误 SDK.Recognizer.CreateRecognizer is not a function 我知道 skd 是导入的，因为它执行第一个函数

我也找不到 API 参考 有没有人用 angular 完成过这个认知服务？

我首先要说的是，我在 C# 编程方面非常新手。我正在开发一个应用程序，用于使用 C# 结合 SAPI v5.4 ( speechlib ) 以编程方式修改 Windows 语音词典。到目前为止，一切都运行良好，但我需要更深入地了解字符串在合成（有声）时如何解释。

我的理解是，在 SAPI 5.4 中，单词被分解为音素表示，并且我在使用音素正确“训练”单词发音方面取得了一些成功。我还知道我可以手动将单词添加到 Windows 语音识别词典中，提供录音，然后提取单词的发音（音素）...但这很麻烦。探索默认情况下如何合成单词也很有用，即没有我的输入（例如合成器如何解释“海豚”？）。

从编码的角度来看，这是我到目前为止所得到的：

using System;
using System.Speech.Synthesis;

namespace SpeechTest
{
    class Program
    {
        static void Main(string[] args)
        {
            // Set up the speech synthesizer
            SpeechSynthesizer synthesizer = new SpeechSynthesizer();
            synthesizer.Volume = 100;
            synthesizer.Rate = -2;

            // Configure the audio output 
            synthesizer.SetOutputToDefaultAudioDevice();

            // Initialize string to store word of interest (not in the speech dictionary)
            string myWord = "dolphins";

            // Speak the …

使用 Microsoft Speech API 转录中型/大型音频文件（每个文件约 6-10 分钟）的最佳方法是什么？像批量音频文件转录之类的东西？

我使用了https://learn.microsoft.com/en-us/azure/cognitive-services/speech-service/speech-to-text-sample中提供的代码来连续转录语音，但它在某些时候停止转录观点。转录有什么限制吗？我只使用免费试用帐户 atm。

顺便说一句，我认为 Bing Speech API 和新的语音服务 API 之间没有区别，对吗？

感谢大家！

按照此处的指南安装 microsoft azure 文本转语音 SDK：https : //docs.microsoft.com/en-us/azure/cognitive-services/speech-service/quickstart-python#install-the-speech-sdk

它说要运行 pip install azure-cognitiveservices-speech ，但不幸的是这会返回

找不到满足 azure->cognitiveservices-speech 要求的版本（来自版本：）未找到与 >azure-cognitiveservices-speech 匹配的发行版

我试过在 ==1.2.0 的末尾添加版本#，并添加--pre。所以：

python -m pip install azure-cognitiveservices-speech --pre

python -m pip install azure-cognitiveservices-speech==1.2.0.

我能够使用python -m pip install azure并且它下载了一大堆模块，但不是认知服务模块。我已经尝试过 python 2.7 和 python 3.7，我还安装了Microsoft Visual C++ Redistributable for Visual Studio 2017。如果有人对如何安装此模块有任何想法，将不胜感激。

这是 pypi 链接：https ://pypi.org/project/azure-cognitiveservices-speech/