语音识别，nodeJS

Question

由于连接到不同的 API，我目前正在开发一种工具，允许我阅读所有通知。

效果很好，但现在我想发出一些声音命令来执行一些操作。

比如软件在说"One mail from Bob"，我想说"Read it"，或者"Archive it"。

我的软件是运行通过节点服务器，目前我没有任何浏览器实现，但它可以是一个计划。

在节点 JS 中启用语音到文本的最佳方式是什么？

我在上面看到了很多线程，但主要是使用浏览器，如果可能的话，我想一开始就避免使用它。可能吗？

另一个问题是某些软件需要输入 wav 文件。我没有任何文件，我只是希望我的软件始终听我说的话，以便在我说出命令时做出反应。

你有关于我如何做到这一点的任何信息吗？

干杯

Answer 1

要将音频数据导入您的应用程序，您可以尝试使用像 microphone 这样的模块，我没有使用它看起来很有前途。这可能是一种避免必须使用浏览器进行音频输入的方法。

要进行实际的语音识别，您可以使用 Speech to Text service of IBM Watson Developer Cloud. This service supports a websocket interface, so that you can have a full duplex service, piping audio data to the cloud and getting back the resulting transcription. You may want to consider implementing a form of onset detection 以避免向服务传输大量（相对）静音 - 这样，您就可以保持在免费套餐内。

还有一个文本到语音服务，但听起来您已经为您的工具的这一部分提供了解决方案。

披露：我是 IBM Watson 的传播者。

Answer 2

要在不将命令流式传输到服务器的情况下识别少数命令，您可以在 NPM 中使用 node-pocketsphinx module. Available。

识别连续流中的几个命令的代码应该如下所示：

var fs = require('fs');

var ps = require('pocketsphinx').ps;

modeldir = "../../pocketsphinx/model/en-us/"

var config = new ps.Decoder.defaultConfig();
config.setString("-hmm", modeldir + "en-us");
config.setString("-dict", modeldir + "cmudict-en-us.dict");
config.setString("-kws", "keyword list");
var decoder = new ps.Decoder(config);

fs.readFile("../../pocketsphinx/test/data/goforward.raw", function(err, data) {
    if (err) throw err;
    decoder.startUtt();
    decoder.processRaw(data, false, false);
    decoder.endUtt();
    console.log(decoder.hyp())
});

而不是 readFile 您只需从麦克风读取数据并将其传递给识别器。要检测的关键字列表应如下所示：

read it /1e-20/
archive it /1e-20/

有关使用 pocketsphinx 进行定位的更多详细信息，请参阅 Keyword Spotting in Speech and Recognizing multiple keywords using PocketSphinx

Answer 3

这里的两个答案都已经很好了，但我认为您正在寻找的是 Sonus. It takes care of audio encoding and streaming for you. It's always listening offline for a customizable hotword (like Siri or Alexa). You can also trigger listening programmatically. In combination with a module like say，您可以通过执行以下操作来启用您的示例：

say.speak('One mail from Bob', function(err) {
  Sonus.trigger(sonus, 1) //start listening
});

您还可以使用不同的热词以不同的方式处理后续识别的语音。例如：
“通知。最近。”和“发送消息。你今天好吗

将它扔到 Pi 或 CHIP 上，并在你的桌子上放一个麦克风，你就有了一个私人助理来读取你的通知并对命令做出反应。

简单示例：
https://twitter.com/_evnc/status/811290460174041090

有点复杂：
https://youtu.be/pm0F_WNoe9k?t=20s

完整文档：
https://github.com/evancohen/sonus/blob/master/docs/API.md

免责声明：这是我的项目:)

语音识别，nodeJS

Speech recognition, nodeJS

node.js

speech-recognition

speech-to-text