Microsoft SAPI System.Speech 用于转录
Microsoft SAPI System.Speech for transcription
我目前正在研究一种能够转录音频文件的工具。我首先看的是使用微软的System.SpeechAPI的可能性。
查看 msdn documentation，似乎此工具更适合简短的语音命令，您对说话者的期望有所了解。它要求您创建语法以获得良好的准确性。
有这方面经验的人可以 API 确认这是否正确？
是也不是。
虽然理论上任何语音识别器都可以实现 SAPI（因此理论上具有 任何 的准确度），但股票 windows 我发现的识别器非常适合命令和控制，但对于自由形式的听写或关键字识别之类的事情却不是那么好。
这并不是说您无法识别可靠的单词选择并且非常准确。我已经让 SAPI 识别并说克林贡语，并且拥有大量的语法文件。只是当您尝试创建自己的识别器，甚至是您自己的 SAPI 语音时，信息绝对匮乏。通常，可以帮助您的人不太可能准确地帮助您，因为这太难了，或者他们拥有的信息是专有的。
如果您有一个更大的词典，并且希望以自由形式的方式被识别，那么使用 Sphinx 之类的东西可能会更好。
扩展 Lesley 的回答 -
Microsoft 有 3 种不同的 SR 引擎可用，具有不同的权衡。
System.Speech.Recognition（或Desktop SAPI）-支持单人
来自波形文件（或其他流）的听写和输入，但是
识别器必须针对特定的人进行训练才能获得
好认可。此外，输入源必须是高
质量（低噪声，16 位，22KHz 采样率）。
Microsoft.Speech.Recognition（或服务器 SAPI）- 不支持
完全听写，但确实从波形文件（或其他
stream），不需要培训，并且可以使用较低质量的输入
源（更多噪声，8 位，8 KHz 采样率）。
Windows.Media.Speech.Recognition - 新的Windows运行时语音
认可 API。支持听写，不需要培训，工作
使用较低质量的输入源，但不从 wave 中获取输入
文件，并要求您的应用程序基于 Windows 运行时。
对于转录方案，我会研究 Windows.Media.Speech.Recognition 工具，并查看类似 Virtual Audio Cable 的东西来创建一个假的默认音频输入设备。
我目前正在研究一种能够转录音频文件的工具。我首先看的是使用微软的System.SpeechAPI的可能性。
查看 msdn documentation，似乎此工具更适合简短的语音命令，您对说话者的期望有所了解。它要求您创建语法以获得良好的准确性。
有这方面经验的人可以 API 确认这是否正确？
是也不是。
虽然理论上任何语音识别器都可以实现 SAPI（因此理论上具有 任何 的准确度），但股票 windows 我发现的识别器非常适合命令和控制，但对于自由形式的听写或关键字识别之类的事情却不是那么好。
这并不是说您无法识别可靠的单词选择并且非常准确。我已经让 SAPI 识别并说克林贡语，并且拥有大量的语法文件。只是当您尝试创建自己的识别器，甚至是您自己的 SAPI 语音时，信息绝对匮乏。通常，可以帮助您的人不太可能准确地帮助您，因为这太难了，或者他们拥有的信息是专有的。
如果您有一个更大的词典，并且希望以自由形式的方式被识别，那么使用 Sphinx 之类的东西可能会更好。
扩展 Lesley 的回答 -
Microsoft 有 3 种不同的 SR 引擎可用，具有不同的权衡。
System.Speech.Recognition（或Desktop SAPI）-支持单人 来自波形文件（或其他流）的听写和输入，但是 识别器必须针对特定的人进行训练才能获得 好认可。此外，输入源必须是高 质量（低噪声，16 位，22KHz 采样率）。
Microsoft.Speech.Recognition（或服务器 SAPI）- 不支持 完全听写，但确实从波形文件（或其他 stream），不需要培训，并且可以使用较低质量的输入 源（更多噪声，8 位，8 KHz 采样率）。
Windows.Media.Speech.Recognition - 新的Windows运行时语音 认可 API。支持听写，不需要培训，工作 使用较低质量的输入源，但不从 wave 中获取输入 文件，并要求您的应用程序基于 Windows 运行时。
对于转录方案，我会研究 Windows.Media.Speech.Recognition 工具，并查看类似 Virtual Audio Cable 的东西来创建一个假的默认音频输入设备。