标签: speech-recognition

如果由于用户不说话而在RecognizerIntent完成的情况下如何处理图像(ImageView)的可见性

if (RecognizerIntent.EXTRA_RESULTS == null){
image1.setVisibility(View.VISIBLE);///microphone icon
}

要么

if (RecognizerIntent.ACTION_RECOGNIZE_SPEECH == null){
image1.setVisibility(View.INVISIBLE);///microphone
}

日Thnx

我有一个输入类型的文本字段,其属性为x-webkit-speech.

<input type="text" placeholder="name" x-webkit-speech>

它适用于chrome,但不适用于Firefox.任何人都知道在Firefox中是否支持它？

编辑:有没有可用的js/bootstrap插件？

我正在开发一个语音识别系统,我用英语制作了一个,它运作得很好.

但我遇到的问题是我需要开发应用程序以识别阿拉伯语.

这是我的代码:

private static final int RESULT_SPEECH = 1;

Button b1 ;
ListView lv;

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);

    lv = (ListView) findViewById(R.id.listView1);
    b1 = (Button) findViewById(R.id.button1);

    b1.setOnClickListener(new OnClickListener() {

        @Override
        public void onClick(View v) {
            Intent voicerecogize = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
            voicerecogize.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL, "ar-eg");
            startActivityForResult(voicerecogize, RESULT_SPEECH);

        }
    });
}

@Override
protected void onActivityResult(int requestCode, int resultCode, Intent data) {
    if(requestCode == RESULT_SPEECH && requestCode == RESULT_OK);
    {
  ArrayList<String > results = data.getStringArrayListExtra(RecognizerIntent.EXTRA_RESULTS);
  lv.setAdapter(new ArrayAdapter<String>(this,android.R.layout.simple_list_item_1 , results));
    } …

如何绘制来自麦克风的 matplotlib 输入信号？我尝试用 plt.plot(frames) 进行绘图，但由于某种原因，frames 是一个字符串？

a) 为什么frames变量是一个字符串列表？

b) 为什么数据变量是字符串列表？

c) 它们应该代表单个样本的能量/幅度并且是整数吗？

d) 当我指定块大小为 1024 时，为什么数据长度为 2048？

（我猜是因为我使用 paInt16，但仍然看不出为什么它不能是 1024）

我有以下用于麦克风输入的代码：

import pyaudio
import audioop
import matplotlib.pyplot as plt
import numpy as np
from itertools import izip
import wave


FORMAT = pyaudio.paInt16                # We use 16bit format per sample
CHANNELS = 1
RATE = 44100
CHUNK = 1024                            # 1024bytes of data red from a buffer
RECORD_SECONDS = 3
WAVE_OUTPUT_FILENAME = "file.wav"

audio = pyaudio.PyAudio()

# start Recording
stream = …

我正在尝试使用 Pocketsphinx 提取每个段的开始和结束时间戳。下面的代码用于提取单词标记。如何访问时间戳？

我试过在这里查看文档http://cmusphinx.sourceforge.net/doc/pocketsphinx/index.html但找不到方法

#!/usr/bin/env python
import os

import sphinxbase as sb
import pocketsphinx as ps

MODELDIR = 'deps/pocketsphinx/model'
DATADIR = 'deps/pocketsphinx/test/data'

# Create a decoder with certain model
config = ps.Decoder.default_config()
config.set_string('-hmm', os.path.join(MODELDIR, 'en-us/en-us'))
config.set_string('-lm', os.path.join(MODELDIR, 'en-us/en-us.lm.bin'))
config.set_string('-dict', os.path.join(MODELDIR, 'en-us/cmudict-en-us.dict'))
decoder = ps.Decoder(config)

# Decode streaming data.
decoder.start_utt()
stream = open(os.path.join(DATADIR, 'goforward.raw'), 'rb')
while True:
    buf = stream.read(1024)
    if buf:
        decoder.process_raw(buf, False, False)
    else:
        break
decoder.end_utt()
stream.close()
print('Best hypothesis segments:', [seg.word for seg in decoder.seg()])

我已经在 python 中安装并设置了 pocketsphinx 和 sphinxbase 包。我还为 github 获取了语音识别代码，并根据要求更改了数据和模式目录，但是当我尝试通过“python test.py”运行它时仍然无法通过语音进行流式传输这里是代码：

#!/usr/bin/env python
import os
import sphinxbase as sb
import pocketsphinx as ps

MODELDIR = '/usr/lib/python2.7/site-packages/speech_recognition/pocketsphinx-data'
DATADIR='/usr/lib/python2.7/site-packages/speech_recognition/pocketsphinx-data'
# Create a decoder with certain model
config = ps.Decoder.default_config()
config.set_string('-hmm', "/usr/lib/python2.7/site-packages/speech_recognition/pocketsphinx-data/en-US/acoustic-model")
config.set_string('-lm', os.path.join(MODELDIR, 'en-US/language-model.lm.bin'))
config.set_string('-dict', os.path.join(MODELDIR, 'en-US/pronounciation-dictionary.dict'))
decoder = ps.Decoder(config)

# Decode streaming data.
decoder.start_utt()
stream = open(os.path.join(DATADIR, 'en-US/goforward.raw'), 'rb')
while True: 
    buf = stream.read(1024)
    if buf:
        decoder.process_raw(buf, False, False)
    else:
        break
decoder.end_utt()
stream.close()
print('Best hypothesis segments:', [seg.word for seg in decoder.seg()])

请告诉我如何执行它。

我正在开发 Bot 应用程序，这里有 2 个功能

• 语音转文字
• 文字转语音

两者都按预期工作，但我想检测到当用户当时停止说话时，我想停止检测并将该数据发送到服务器。

有没有办法让那个用户不说话？

我正在使用以下代码进行语音检测：

// Starts an AVAudio Session
    NSError *error;
    AVAudioSession *audioSession = [AVAudioSession sharedInstance];
    [audioSession setCategory:AVAudioSessionCategoryPlayAndRecord error:&error];
    [audioSession setActive:YES withOptions:AVAudioSessionSetActiveOptionNotifyOthersOnDeactivation error:&error];

    // Starts a recognition process, in the block it logs the input or stops the audio
    // process if there's an error.
    recognitionRequest = [[SFSpeechAudioBufferRecognitionRequest alloc] init];
    AVAudioInputNode *inputNode = audioEngine.inputNode;
    recognitionRequest.shouldReportPartialResults = YES;
    recognitionTask = [speechRecognizer recognitionTaskWithRequest:recognitionRequest resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {
        BOOL isFinal = NO; …

我想使用 Python 的 SpeechRecognition 库，但是当我尝试运行一个使用麦克风的程序时，我打算这样做，我收到错误

“需要 PyAudio 0.2.11 或更高版本（找到版本 0.2.9）”

所以我做了一些挖掘并找到了如何使用 apt-get 安装它。不幸的是，我运行 Fedora 26，所以我必须使用 yum 来安装我的软件包，当我寻找使用它安装 PyAudio 的方法时，我只能找到 0.2.9 版。

每当我尝试做

pip 安装 pyaudio

我收到以下错误：

pyaudio 的构建轮失败运行 setup.py clean for pyaudio 无法构建 pyaudio 安装收集的包：pyaudio 运行 setup.py install for pyaudio ...错误命令 /usr/bin/python2 -u -c "import setuptools,标记化;文件='/tmp/pip-build-ZiuxD3/pyaudio/setup.py';f=getattr(tokenize, 'open', open)( file );code=f.read().replace('\r \n', '\n');f.close();exec(compile(code, file, 'exec'))" install --record /tmp/pip-a2Iwxv-record/install-record.txt --single-version-externally-managed --compile: running install running build running build_py 创建构建创建构建/lib .linux-x86_64-2.7 复制 src/pyaudio.py -> build/lib.linux-x86_64-2.7 运行 build_ext 构建 '_portaudio' 扩展创建 build/temp.linux-x86_64-2.7 …

我正在尝试创建一个应用程序，当用户不知道时，它会显示一个会更改每个级别的文本。目标是说出一个显示的句子（是的，它是为孩子们设计的）：

@IBAction func dontknow(_ sender: Any) {\n    let utterance = AVSpeechUtterance(string: textLabel.text)\n    utterance.voice = AVSpeechSynthesisVoice(language: "fr-FR")\n    utterance.rate = 0.4\n\n    let synthesizer = AVSpeechSynthesizer()\n    synthesizer.speak(utterance)\n\n}\n

该应用程序的构造如下：\n如果用户不知道 -> 他可以单击按钮说出文本\n如果他是对的 -> 他进入下一个级别。

当他第一次输入要说的按钮时，应用程序会说一些话，但是当用户尝试说出文本并且在下一个级别时，他单击要说的按钮，则什么也没有发生。它只是抛出这个错误：Failure starting audio queue \xe2\x89\xa5\xcb\x9a\xcb\x9b\xcb\x87

完整代码：

import UIKit\nimport AVFoundation\nimport Speech\n\nclass ReadViewController: UIViewController, SFSpeechRecognizerDelegate {\n    var texts = ["Je mange des p\xc3\xa2tes", "Bonjour Jean comment vas-tu", "Qui est-ce", "J\'en ai marre", "Je ne te trouve pas gentil", "Pourquoi tu ne veux pas","Tu es si gentil", "Tu …

我正在使用谷歌语音库，如下所示：

from google_speech import Speech

# say "Hello World"
text = "Hello World"
lang = "en"
speech = Speech(text, lang)
speech.play()

收到此错误：

RuntimeError                          

    Traceback (most recent call last)
<ipython-input-2-4daa3294f636> in <module>()
----> 1 from google_speech import Speech
      2 
      3 # say "Hello World"
      4 text = "Hello World"
      5 lang = "en"

D:\soft\Ins\anac\lib\site-packages\google_speech\__init__.py in <module>()
    321 
    322 # check deps
--> 323 bin_dep.check_bin_dependency(("sox",))
    324 
    325 

D:\soft\Ins\anac\lib\site-packages\google_speech\bin_dep.py in check_bin_dependency(bins)
      5   for bin in bins:
      6     if shutil.which(bin) is None:
----> 7 …