我一直在研究构建移动/网络应用程序的可行性，该应用程序允许用户说出短语并检测用户的口音（波士顿、纽约、加拿大等）。用户可以说出大约 5 到 10 个预定义的短语。我熟悉一些可用的 Speech to Text API（Nuance、Bing、Google 等），但似乎都没有提供这种附加功能。我发现的最接近的示例是 Google Now 或 Microsoft 的 Speaker Recognition API：
http://www.androidauthority.com/google-now-accents-515684/
https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api
因为会有 5-10 个预定义的短语，我正在考虑使用机器学习软件，如 Tensorflow 或 Wekinator。我会在每个口音中创建初始音频以用作初始数据。在我深入研究这条道路之前，我只是想获得一些关于这种方法的反馈，或者是否有更好的方法。如果我需要澄清任何事情，请告诉我。
我知道可以在你自己的应用程序中截取屏幕截图,但我想知道是否有可能有一个应用程序允许你在任何视图中捕获截图,只要它打开的应用程序.我很确定它不可能,但我只想仔细检查.谢谢.