SpeechRecognition 将背景噪音识别为语音

Question

我在我的程序中使用 MSDN 的 SpeechRecognitionEngine。问题是它将背景噪音识别为语音。

例如，如果打响指、点击 table 或移动我的椅子，它会将其拾取为语音。

为什么它会将背景噪音识别为语音。

我打响指的声音和我说的不一样 "Notepad"!!!

这是代码

using System;
using System.Threading;
using System.Speech;
using System.Speech.Synthesis;
using System.Speech.Recognition;

namespace SpeachTest
{
    public class MainClass
    {
        static void Main()
        {
        MainClass main = new MainClass(); 
        SpeechRecognitionEngine sre = new SpeechRecognitionEngine(new System.Globalization.CultureInfo("en-US"));
            Choices choiceList = new Choices();
            choiceList.Add(new string[]{"Open", "Close", "Then", "Volume", "Up", "Firefox", "Notepad", "Steam","turn", "the", "now" } );

            GrammarBuilder builder = new GrammarBuilder();
            builder.Append(choiceList);
            Grammar grammar = new Grammar(new GrammarBuilder(builder,0, 10) );

            sre.SpeechRecognized += main.sreRecognizedEvent;
            sre.SpeechDetected += main.sreDetectEvent;
            sre.SpeechRecognitionRejected += main.sreRejectEvent;
            sre.RecognizeCompleted += main.sreCompleteEvent;

            sre.InitialSilenceTimeout = TimeSpan.FromSeconds(0);
            sre.BabbleTimeout = TimeSpan.FromSeconds(0);
            sre.EndSilenceTimeout = TimeSpan.FromSeconds(0);
            sre.EndSilenceTimeoutAmbiguous = TimeSpan.FromSeconds(0);


            sre.SetInputToDefaultAudioDevice();
            sre.LoadGrammar(grammar);

            while(true){
            sre.Recognize();
            }
        }


        void sreRecognizedEvent(Object sender, SpeechRecognizedEventArgs e){
        Console.Write("Reconized ~ " + e.Result.Text + " ~ with confidence " + e.Result.Confidence);
        Console.WriteLine();
        }


        void sreDetectEvent(Object sender, SpeechDetectedEventArgs e){
        Console.WriteLine("Detected some type of input");
        }

        void sreRejectEvent(Object sender,  SpeechRecognitionRejectedEventArgs e){
        Console.WriteLine("Rejected Input ~ " + e.Result.Text) ;
        }

        void sreCompleteEvent(Object sender, System.Speech.Recognition.RecognizeCompletedEventArgs e){
        Console.WriteLine("Completed Recongnization");
        }
}

}

Answer 1

避免任何过滤算法，您可以检查当前显示的 Confidence 属性。它介于 0.0 和 1.0 之间，其中 1 非常有信心。我发现 0.7 效果很好，但您可以反复试验。

void sreRecognizedEvent(Object sender, SpeechRecognizedEventArgs e)
{
    if(e.Result.Confidence >= 0.7)
    {
        Console.Write("Reconized ~ " + e.Result.Text + " ~ with confidence " + e.Result.Confidence);
        Console.WriteLine();
    }        
}

Answer 2

原来我的麦克风灵敏度太高了。非常非常高。它是 100，这意味着它会拾取最小的声音（例如背景噪音）。

我的猜测是那些小声音会被放大到如此高的程度，以至于 SpeechRecognitionEngine 很难将其与实际语音区分开来。

将灵敏度调低到 20 或 30 左右就可以了。

Answer 3

识别器拒绝非语音声音的内容和强度因识别器而异。我对 Microsoft 识别器的体验是它非常努力地寻找单词。例如，使用 DragonDictate 或 Google 网络识别，您可以打响指或咳嗽，但它们会被拒绝。此外，Microsoft 识别器会主动跟踪音频电平，因此如果它听到很多安静的声音，它会在内部模拟通过降低检测阈值来增加增益。（我有过将文件的沙沙声或air-conditioning的声音识别为人类语音的体验。）

我用了很多年并取得巨大成功的一个解决方案有点counter-intuitive。您需要添加自己的 "garbage" 语音模型。由于您只是使用单词列表而不是复杂的语法，因此这应该很好用并且很容易做到。

您目前正在收听： "Open"、"Close"、"Then"、"Volume"、"Up"、"Firefox"、"Notepad"、"Steam"、"turn"、"the"、"now"

您应该在（您正在收听的）列表中添加一些有些相似（但不）相似的词。例如，添加 "apron" 和 "happen" 将有效地成为单词 "open" 附近的美人计。当结果出现时，您可以更加相信这个人实际上说了 "open"。此外，添加一些与命令词无关的短词会捕获更多非语音声音。我怀疑"tap"打响指的时候很有可能被认出来

总结一下：识别这个较长的单词列表，但仅当它们在您的命令列表中时才对它们采取行动。如果您在代码中使用 case 语句，那么这非常简单，只需在您的命令上分支即可。否则，您需要针对 "good" 列表进行测试。

注意：当您使用语音识别语法进行更复杂的识别时，此技术也适用。您只需将所有这些 "garbage" 个短语置于名为 "garbage" 的语法规则下，您就可以拒绝该规则识别的任何话语。

SpeechRecognition 将背景噪音识别为语音

SpeechRecognition recognizes background noise as speech

c#

speech-recognition

noise