语音比较

最新推荐文章于 2023-12-23 00:36:39 发布
最新推荐文章于 2023-12-23 00:36:39 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： 感想 文章标签： 感想

最近图片比较很热，于是想到了语音比较，即找出与你声音契合度最高的人。

翻了翻技术文档，发现这个方向难度很大，实现很困难。也难怪语音识别技术发展很久也仍然处于初级阶段。

发现一个通过网络请求去访问Google语音引擎的一个途径，未证实，网址如下：http://blog.csdn.net/dlangu0393/article/details/7214728

未防止原文删除，将其复制如下：

  最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使用SAPI来完成这个任务，但是发现SAPI不仅使用起来超级复杂，而且识别效果也很惨烈。于是就需要寻找一个更加便捷优秀的方案。

    自从Chrome 11开始，Chrome开始支持HTML5的语音输入API，QQ紧接着也推出了语音识别输入（可以看做跟风么:D)。显然这些识别操作不可能在本地完成，那么我们就有直接利用接口的可能。


    对Chromium的repo进行搜索之后，终于找到了Chromium对语音识别的实现代码：


http://src.chromium.org/viewvc/chrome/trunk/src/content/browser/speech/


    分析过程就算了，直接上成果。

    Chromium先从mic获取音频，然后使用flac或者speex进行编码，直接通过HTTPS POST到服务器。接口地址如下：


    https://www.google.com/speech-api/v1/recognize


    Chromium在请求时还会拼上很多参数：


    xjerr=1&client=chromium&lang=en-US&maxresults=1


    注：参数解释

        xjerr=1    # 不详，猜测为错误的标准

        client=chromium    # 客户端类型，这里是Chromium，猜测Chrome也应该可行，估计是作为统计用的。

        lang=en-US    # 语言类型，这里是英文，中文为zh-CN，其余语言代码参考：http://msdn.microsoft.com/en-us/library/ms533052(v=vs.85).aspx

        maxresults=1    # 最大返回结果数量，多个结果在hypotheses列表中保存。


    参数很明了，这给我们提供了很多便利。我们对参数进行调整，得到如下的接口地址：


    http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1


    

    接下来祭出wget，对已经发现的接口进行测试：

[plain]  view plain copy print ?
  1. flac.exe -8 -f --sample-rate=16000 speechInput.wav  
[plain]  view plain copy print ?
  1. wget -O "GoogleSpeechAPI.txt" --user-agent="Mozilla/5.0" --post-file=test.flac --header="Content-Type: audio/x-flac; rate=16000" "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1"  

    结果如下：

[javascript]  view plain copy print ?
  1. {  
  2.     "status":0,    /* 结果代码，详细见本文结尾 */  
  3.     "id":"c421dee91abe31d9b8457f2a80ebca91-1",    /* 识别编号 */  
  4.     "hypotheses":    /* 假设，即结果 */  
  5.     [  
  6.         {  
  7.             "utterance":"下午好",    /* 话语 */  
  8.             "confidence":0.2507637    /* 信心，即准确度 */  
  9.         }  
  10.     ]  
  11. }  

    注：注释后为手工添加的结果解释

    返回结果太明了了！直接就能拿来用了不是~ 返回的编码是UTF-8。

    对于编码格式，在测试中使用了FLAC编码，采样率为16kHz，经测试其他采样率同样可用，但一定要保证Header里的rate与实际数据相符。（关于其他格式的实验请看本文底部。）




    总结：

    1、基本流程：

一、从音频输入设备获取原始数据。
二、对原始数据进行包装、编码。
三、将编码后的音频POST至接口地址。
四、分析处理接口返回的JSON并得出结果。
    2、请求接口

请求方式：HTTP POST
头部信息：Content-Type: audio/x-flac; rate=16000   （注：Content-Type根据所使用的编码格式不同而不同，详见文章底部。rate为音频采样率。）
请求数据：编码后的音频数据

    3、音频编码格式：

FLAC或WAV或SPEEX


    下面是我写的Qt(C++)中的请求：

[cpp]  view plain copy print ?
  1. void Protocol::Request_SPEECH(QByteArray & audioData)  
  2. {  
  3.     if (!Nt_SPEECH)  
  4.     {  
  5.         QNetworkRequest request;  
  6.         QString speechAPI = "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1";  
  7.         request.setUrl(speechAPI);  
  8.   
  9.         request.setRawHeader("User-Agent", "Mozilla/5.0");  
  10.         request.setRawHeader("Content-Type", "audio/x-flac; rate=16000");  
  11.   
  12.         Nt_SPEECH = NetworkMGR.post(request, audioData);  
  13.         connect(Nt_SPEECH, SIGNAL(readyRead()), this, SLOT(Read_SPEECH()));  
  14.     }  
  15. }  

    至于读取函数，就不贴在这里了，具体见：

Protocol: http://pastebin.com/6G6wggfF

AudioInput:

    speechInput.h: http://pastebin.com/qdMPeWZD

    speechInput.cpp: http://pastebin.com/567B47qF

main:

    mainwidget: http://pastebin.com/c8bk7zd2


    在翻阅Chromium源码的过程之中，还发现了其他有用的东西：

Speech Input API Specification http://www.w3.org/2005/Incubator/htmlspeech/2010/10/google-api-draft.html

    到目前为止，Google好像还没有公开这个API，使用许可依旧不详，请求也没有用到任何认证。但它确实能用，而且十分方便，对于编写非商业程序的人来说，这个东西真的是再好不过了（因为它有着高的爆表的识别率）。


参考：

Chromium Repository    http://src.chromium.org/viewvc/chrome/trunk/src/content/browser/speech/

Accessing Google Speech API / Chrome 11    http://mikepultz.com/2011/03/accessing-google-speech-api-chrome-11/




附：

1、SpeechInputError interface 错误信息

[cpp]  view plain copy print ?
  1. // This enumeration follows the values described here:  
  2. // http://www.w3.org/2005/Incubator/htmlspeech/2010/10/google-api-draft.html#speech-input-error  
  3. enum SpeechInputError {  
  4.   // There was no error.  
  5.   SPEECH_INPUT_ERROR_NONE = 0,  
  6.   // The user or a script aborted speech input.  
  7.   SPEECH_INPUT_ERROR_ABORTED,  
  8.   // There was an error with recording audio.  
  9.   SPEECH_INPUT_ERROR_AUDIO,  
  10.   // There was a network error.  
  11.   SPEECH_INPUT_ERROR_NETWORK,  
  12.   // No speech heard before timeout.  
  13.   SPEECH_INPUT_ERROR_NO_SPEECH,  
  14.   // Speech was heard, but could not be interpreted.  
  15.   SPEECH_INPUT_ERROR_NO_MATCH,  
  16.   // There was an error in the speech recognition grammar.  
  17.   SPEECH_INPUT_ERROR_BAD_GRAMMAR,  
  18. };  

2、多种音频格式的测试

    收到朋友的邮件说使用flac实在是很不方便，问我有没有更好的解决方法，于是我尝试将其他编码格式应用于Google Speech API。以下为结果：

    1、WAV格式

    请求Header：Content-Type: audio/L16; rate=16000

    返回结果：识别成功

    2、MP3格式

    请求Header：Content-Type: audio/mpeg; rate=16000

    返回结果：无法识别的编码

    请求Header：Content-Type: audio/mpeg3; rate=16000

    返回结果：无法识别的编码

    请求Header：Content-Type: audio/x-mpeg; rate=16000

    返回结果：无法识别的编码

    请求Header：Content-Type: audio/x-mpeg-3; rate=16000

    返回结果：无法识别的编码

    请求Header：Content-Type: audio/mp3; rate=16000

    返回结果：无法识别的编码

    3、PCM格式

    请求Header：Content-Type: audio/x-ogg-pcm; rate=16000

    返回结果：无法识别的编码

    请求Header：Content-Type: audio/pcm; rate=16000

    返回结果：无法识别的编码

    4、SPEEX格式

    请求Header：Content-Type: audio/x-speex-with-header-byte; rate=16000

    返回结果：识别成功

    请求Header：Content-Type: audio/speex; rate=16000

    返回结果：识别成功


    由于识别接口并不开放，所以无法得知具体的支持格式，如果哪位朋友发现了新的支持格式，请一定要留言哦！

37楼  flight9 2013-06-02 20:26发表 [回复]
为何我按你的方法，识别率超差啊，说“上午好”，返回“sina”，说“欢迎”返“日语”
Re:  flight9 2013-06-02 20:43发表 [回复]
回复flight9：更正一下，说“你好”返“日语”，说“再见”返“漫画”
36楼  u010236042 2013-05-08 11:43发表 [回复]
楼主你好，你的这篇文章我觉得写的挺好，收录到我们的网站了，链接：http://www.mmihome.net/portal.php?mod=view&aid=212，欢迎交流，有问题请联系，谢谢。
35楼  kevinlico 2013-05-08 10:57发表 [回复]
亲爱的博主，看你的论文两天了。我发现了一个格式 amr，谷歌接口可以识别的。数据压缩非常小。效率很高。特别说明：我是在IOS平台上面实验的。
代码基本要点贴在下面：
1、AMR格式
请求Header：Content-Type: audio/amr; rate=16000
返回结果：识别成功
rate 8000 也可以。录制的过程中，注意对应就可以了。谢谢！
Re:  lyfadd85 2013-05-24 11:18发表 [回复]
回复kevinlico：amr，果然可以。
34楼  s253425456 2013-04-28 15:55发表 [回复]
你好博主，感谢分享，
我在使用中遇到一个问题，我使用的是wav格式的音频，大小在35k左右，使用post上传时提示403错误。
如果我只post比较小的buffer（不是完整音频），可以post成功，识别失败（必然的），不知道之前的为什么post失败
33楼  lyfadd85 2013-04-23 19:36发表 [回复]
博主你好，请教你两个问题。1、本文中你试验的speex格式文件能成功识别，是否与录音获取的数据类型有关，我用audiorecord录音获取byte数组可以识别，但是如果是short数组却不能；2、speex格式能识别，请问你是如何获取数据，数据类型是否存在转换的过程能解释一下吗，因为语音识别需要考虑流量的问题，采用speex格式传输更合理，期待你的回复，谢谢。
32楼  LiMiRiver 2013-04-16 19:45发表 [回复]
楼主，问一个非常菜鸟的问题，我按照你的代码在Qt中运行，main文件总是出错，speechInput_audioFormat 没有声明，这个问题怎么解决啊？
Re:  LiMiRiver 2013-04-16 21:44发表 [回复]
回复LiMiRiver：这个问题已经解决啦。。。但是博主你给的Protocol是头文件吗？在这个文件上编译总有错。
Re:  LiMiRiver 2013-04-17 13:26发表 [回复]
回复LiMiRiver：额……原谅我吧楼主，请忽略以上白痴问题
31楼  jsjscool 2013-03-06 18:51发表 [回复]
博主还有一些细节没说到，看看这篇文章

http://php.oil58.com/?p=483
Re:  redsky_luan 2013-04-06 21:17发表 [回复]
回复jsjscool：兄弟你好，FLAC格式或者WAV格式如何获得呢？之际读二进制文件么？
30楼  lehuoezu 2013-01-01 22:15发表 [回复]
我使用VB6.0做这个，一直到转换flac都做出来了，播放转换后的flac也正常，说明转换过程应该没有问题，但是在post过程中遇到了点困难，如何把flac在VB中post出去？我最初尝试用读取文本的方式读取flac，但读出来的只是一行英文，还有一堆空格，显然是无法识别的，我又试着用二进制方式读取，读取到一大长串数字，post出去，得到这个结果：
{"status":5,"id":"b22e49c6bd19020f56d6437a17db5f7b-1","hypotheses":[]}
目测应该还是flac没有被正确post出去。
能否提供一下正确的post出去的字符串应该是什么样子的？数字？还是英文字母？最好，提供一下VB中的例子，哈哈，谢谢啦~
Re:  redsky_luan 2013-04-06 21:16发表 [回复]
回复lehuoezu：怎么样兄弟，问题解决了么？我也遇到同样的问题
29楼  yexiangCSDN 2012-12-24 13:34发表 [回复]
为什么 我得到的状态 都为 5呢？
28楼  wow_qs_zs 2012-12-23 16:33发表 [回复]
我很不解为什么 我的识别率这么低呢 楼主能给解答下吗代码在我的博客上。
27楼  汹涌的海 2012-11-20 17:17发表 [回复]
赞
26楼  qinshudong 2012-10-27 20:34发表 [回复]
不知道楼主在不在？？
想要一个VC++里面的 例子
自己写的 调试不出来
25楼  yylsheng 2012-10-08 15:53发表 [回复]
楼主，我要在WIN32平台下利用这个引擎，该如何写呢
24楼  alanlei22 2012-10-07 13:36发表 [回复]
dlangu0393楼主你好,
我用QT引用你的源碼
但是在Protocol.cpp出現錯誤
你能給一下Protocol.h所有的變量嗎
那一些replyCheck,Nt_SPEECH,contentCheck,checkJsonKeys我不知道你定義他們為什麼類形
還有jsonConvertableTo是什麼Class呢...
我的email:alanlei22@yahoo.com.hk
請大大給我一份Protocol.h的完整源碼
謝謝!
23楼  dlangu0393 2012-09-17 08:17发表 [回复]
引用“liuminch”的评论：Google也有个语音合成API，向这个接口发http://translate.google.com...

这个我已经跟这个识别一同实现了，不过我接收木有遇到问题哦
Re:  技术宅不是屌丝 2013-02-08 14:20发表 [回复]
回复dlangu0393：请问,我用Java调，设置中文后，接收一直不能成功，可以请教一下您的解决方案吗？
Re:  技术宅不是屌丝 2012-12-05 15:30发表 [回复]
回复dlangu0393：您好，我在使用JAVA调用Google语音合成API时，接受英文没有问题，但是无法成功接受中文，望请赐教！
22楼  ClamReason 2012-08-26 09:31发表 [回复]
想楼主回复的一些有用的问题，为什么不更新这个帖子，写到原帖中去呢，对我们这些后来的狠不方便啊
21楼  liuminch 2012-08-03 14:29发表 [回复]
Google也有个语音合成API，向这个接口发http://translate.google.com/translate_tts?tl=en&q=test content，将返回一个test content的mp3文件，也支持中文。不知楼主有没有兴趣搞？比这个容易搞多了，只是偶较愚钝，返回的mp3文件一直接收有问题。
20楼  loshamo 2012-07-31 16:28发表 [回复]
[java]  view plain copy print ?
  1. BufferedWriter w = new BufferedWriter(new FileWriter(outPutFilePath));  
  2.         String content = null;  
  3.         String result = "";  
  4.         while ((content = breader.readLine()) != null) {  
  5.             result += content + "\n";  
  6.         }  
  7.         w.write(result);  
  8.         w.flush();  
  9.         w.close();  
  10.         return result;  
Re:  liuminch 2012-08-03 14:21发表 [回复]
回复loshamo：是不是你的采样率设置错了？rate=16000
19楼  loshamo 2012-07-31 16:27发表 [回复]
[java]  view plain copy print ?
  1. public String post(String filePath) throws Exception {  
  2.         URL url = new URL(utl);  
  3.         HttpURLConnection conn = (HttpURLConnection)url.openConnection();  
  4.         conn.setDoOutput(true);  
  5.         conn.setDoInput(true);  
  6.         conn.setRequestMethod("POST");  
  7.         conn.setRequestProperty("Content-Type", "audio/L16; rate=8000");  
  8.         conn.setRequestProperty("user-agent","mozilla/5.0");  
  9.         DataOutputStream writer = new DataOutputStream(conn  
  10.                 .getOutputStream());  
  11.         FileInputStream input = new FileInputStream(new File(filePath));  
  12.         byte[] buffer = new byte[256]; //必须用户自己创建一个buffer。  
  13.         int read = input.read(buffer);  
  14.         while (read != -1) // 判断文件读完的条件  
  15.         {  
  16.             writer.write(buffer,0,read);  
  17.             read = input.read(buffer);  
  18.         }  
  19.         writer.flush();  
  20.         writer.close();  
  21.         input.close();  
  22.         InputStreamReader reder = new InputStreamReader(conn.getInputStream(),  
  23.                 "utf-8");  
  24.         BufferedReader breader = new BufferedReader(reder);  
  25.         BufferedWriter w = new BufferedWriter(new FileWriter(outPutFilePath));  
  26.         。。。  
  27.     }  
18楼  liuminch 2012-07-26 19:29发表 [回复]
哇，楼主，我用java写的wav格式成功了，专程来感谢的！只是confidence偏低啊，这个是不是confidence越高，识别时间越短啊？还有用flac格式是不是confidence都很高啊？
Re:  wsw8612 2013-04-17 10:02发表 [回复]
回复liuminch：你好，我也在看这个，但一直搞不通，能否发个java的demo来学习一下！wufan8612@163.com
Re:  loshamo 2012-07-31 15:10发表 [回复]
你的java版是怎么写的？ 我怎么搞不通呢，希望赐教。
Re:  chen735250065 2012-10-18 10:52发表 [回复]
[java]  view plain copy print ?
  1. String url = "http://www.google.com/speech-api/v1" +  
  2.                 "/recognize?xjerr=1&client=chromium&lang=zh-cn";  
  3.         URL postUrl = new URL(url);  
  4.         HttpURLConnection connection = (HttpURLConnection)postUrl.openConnection();  
  5.  connection.setRequestProperty("Content-Type","audio/x-flac; rate=16000");  
  6.         connection.connect();  
  7.         DataOutputStream outputStream  = new DataOutputStream(connection.getOutputStream());  
  8.         outputStream.write(readfileByYte("aaa.flac"));  

这个是关键代码实现了flac格式但是wav格式有问题。请求大神解决
17楼  huaye 2012-07-25 09:49发表 [回复]
能否给个你测试过的wav或者flac文件上传地址，我下来测试下？
Re:  huaye 2012-07-25 13:50发表 [回复]
回复huaye2007：搞定了，是
E:\MediaOutput\speechInput.wav
General
Complete name : E:\MediaOutput\speechInput.wav
Format : Wave
File size : 85.0 KiB
Audio #0
ID : 0
Format : PCM
Format settings, Endianness : Little
Codec ID : 1
Bit rate : 256 Kbps
Channel(s) : 1 channel
Sampling rate : 16.0 KHz
Bit depth : 16 bits
Stream size : 1.00 Byte (0%)
中Bit depth : 16 bits
而我这只有4或者8，结果都不行。改成16就可以了。
16楼  huaye 2012-07-25 09:48发表 [回复]
对上传文件大小有限制不？
我的老是返回消息：
{"status":5,"id":"39f4a7ae3a539ae1a797c041e122f4b3-1","hypotheses":[]}
Re:  yexiangCSDN 2012-12-24 13:33发表 [回复]
为什么 我得到的状态 都为 5呢？
15楼  jplele 2012-07-11 10:56发表 [回复]
楼主有对比过讯飞和google的语音识别么？
14楼  Victor000000 2012-04-30 16:35发表 [回复]
能否给出protacol.h和protacol.cpp的完整代码？
Re:  dlangu0393 2012-04-30 17:40发表 [回复]
回复Victor000000：不好意思这个没法给你，因为里面还有其他的很多东西。
Protocol头部中有用的信息如下：
[cpp]  view plain copy print ?
  1. class Protocol  
  2. {  
  3. public slots:  
  4.     // 请求函数  
  5.     void Request_SPEECH(QByteArray &);  
  6. private slots:  
  7.     // 读取函数  
  8.     void Read_SPEECH();  
  9. signals:  
  10.     // 信号  
  11.     void Signal_SPEECH(int result, QString responsemsg, double confidence);  
  12. };  


另，在读取函数中应该使用：
[cpp]  view plain copy print ?
  1. <br>connect(Nt_SPEECH, SIGNAL(finished()), this, SLOT(Read_SPEECH()));<br>  

而不是：
[cpp]  view plain copy print ?
  1. <br>connect(Nt_SPEECH, SIGNAL(readyRead()), this, SLOT(Read_SPEECH()));<br>  
13楼  ABCDEFGA 2012-04-09 09:14发表 [回复]
厉害,最近我也在做这一块,可是主要是用JAVA的,用于毕业论文,想问下你有相关的资料与建议吗~?
Re:  dlangu0393 2012-04-27 17:56发表 [回复]
回复hacktheworld：呵呵 不好意思，我并不是研究这个的，只不过是软件需要用到，所以才去找的。^_^
12楼  stoneforestwhu 2012-03-16 19:47发表 [回复]
wav 格式识别不准，flac非常准，下面是例子：
/wav格式（录音内容为“I have a dream”）
{"status":0,"id":"a01cd4f1efc9d433a1b0695e95011b40-1","hypotheses":[{"utterance":"rm","confidence":0.26077396}]}
/flac格式（录音内容为“I have a dream”）
{"status":0,"id":"e186ca8a3d98f461622dfa3662332fdc-1","hypotheses":[{"utterance":"i have a dream","confidence":0.87555957}]}
楼主可有好办法解决？
Re:  dlangu0393 2012-04-27 17:55发表 [回复]
回复stoneforestwhu：这个我也没有办法了，没有在源码中找到其他更多的信息。
11楼  stoneforestwhu 2012-03-15 20:10发表 [回复]
我想问一下flac.exe -8 -f --sample-rate=16000 speechInput.wav 是WINdows下的指令，而wget -O "GoogleSpeechAPI.txt" --user-agent="Mozilla/5.0" --post-file=test.flac --header="Content-Type: audio/x-flac; rate=16000" "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1"是linux下使用的，表示不解。教程能否详细点，多谢！！！
Re:  dlangu0393 2012-03-15 21:17发表 [回复]
回复stoneforestwhu：http://gnuwin32.sourceforge.net/packages/wget.htm
请在此下载wget for windows。
如果有不明白的地方请回复提问，我会尽力回答。
10楼  春城秋水 2012-03-12 13:18发表 [回复]
天呀，为啥我设置了zh-CN，能识别英语却识别不出中文呢？中文显示乱码。。。。。
Re:  dlangu0393 2012-03-12 13:50发表 [回复]
回复Q951248：返回内容为UTF-8编码。请修改读取部分的代码。
9楼  forLoginAndLogin 2012-03-11 19:33发表 [回复]
楼主，你好。
你这片文章写得很好很详细。我有个问题解决不了，想请教楼主一下：
文中你提到google 这个api支持wav格式（就是改成audio/L16）,我试了很多次，都不成功（返回的status：4），而我把它转换成flac格式又成功了，请问一下这是什么原因呢？谢谢～～～
Re:  dlangu0393 2012-03-11 22:02发表 [回复]
回复forLoginAndLogin：请注意一下rate（采样率）是否正确。
Re:  dlangu0393 2012-03-11 21:56发表 [回复]
回复forLoginAndLogin：以下是我测试所使用的WAV文件信息：

E:\MediaOutput\speechInput.wav
General
Complete name : E:\MediaOutput\speechInput.wav
Format : Wave
File size : 85.0 KiB
Audio #0
ID : 0
Format : PCM
Format settings, Endianness : Little
Codec ID : 1
Bit rate : 256 Kbps
Channel(s) : 1 channel
Sampling rate : 16.0 KHz
Bit depth : 16 bits
Stream size : 1.00 Byte (0%)


wget测试命令：
E:\MediaOutput>wget -O "GoogleSpeechAPI.txt" --user-agent="Mozilla/5.0" --post-file=speechInput.wav --header="Content-Type: audio/L16; rate=16000" "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1"

返回结果：

{"status":0,"id":"ca0c1b3b2c6f89d70ab1643a70599c0d-1","hypotheses":[{"utterance":"下午好","confidence":0.7916111}]}
Re:  darou1000 2012-04-27 11:32发表 [回复]
回复dlangu0393：你好，请问你是用什么工具看到wav文件格式的？以及有没有什么工具可以把wav转换成speex
Re:  dlangu0393 2012-04-27 17:55发表 [回复]
回复darou1000：我是从PotPlayer里拷贝的文件信息。
Speex请参看http://www.speex.org/
不过Speex在我这里测试成功率极低，甚至在64位系统下官方提供的编码器无法正常工作。
Re:  darou1000 2012-05-02 14:28发表 [回复]
回复dlangu0393：非常感谢，我测试成功了，还想请教一下，是否可以在请求时发送语法定义呢？
8楼  春城秋水 2012-03-09 18:29发表 [回复]
我想问下，这个东西能应用到java写的系统么？
Re:  dlangu0393 2012-03-09 20:42发表 [回复]
回复Q951248：当然可以哦，只要你用java实现就可以了。协议都是一样的。
Re:  春城秋水 2012-03-10 13:40发表 [回复]
回复dlangu0393：你好，我又多看了几遍，大概的过程已经知道，但是因为我不懂C和C++，只懂点java，但看样子应该是要网络编程，不知道java该如何实现的。。。
Re:  春城秋水 2012-03-10 10:45发表 [回复]
回复dlangu0393：你好，能否发一个完整的源代码例子给我看看呢？对于你说的这些感觉很散乱，我比较笨理不清思路........。邮箱：js.qiu@qq.com 谢谢啦！
7楼  Ostroff 2012-03-07 10:32发表 [回复]
LZ太强大了，我用WAV格式测试OK。我现在有个问题，就是这里的语言是中文普通话，lang=zh-CN，对吧，那设置用户读音为粤语和英语，lang参数应该为什么呢？
Re:  dlangu0393 2012-03-07 12:49发表 [回复]
回复Ostroff：通用语言代号参考：http://msdn.microsoft.com/en-us/library/ms533052(v=vs.85).aspx

英语的话，请使用en-us。至于粤语，可以尝试一下zh-hk，不好意思不认识会粤语的朋友，没法测试是否可行。如果你测试可行的话，一定要来留言哦。
6楼  hill141592 2012-03-06 11:56发表 [回复]
十分感谢楼主分享！给了我非常大的帮助！非常给力！

然后我提醒下楼主，我在以audio/L16作为参数时候做测试的时候，wav文件中其实就是PCM格式的音频~
Re:  dlangu0393 2012-03-06 12:49发表 [回复]
回复hill141592：我所测试的PCM是指原始的PCM数据（原始PCM数据应该用什么Content-Type我也不确定，只是从网上找到一个，从朋友那里拿到一个），而WAV是PCM数据加上头信息，两者还是有区别的。如果能直接传送PCM原始数据的话那就太方便了，从音频设备获取的数据都不用包装直接送往服务器就行了，虽然带宽上并不划算。
5楼  wb1989124 2012-03-05 21:40发表 [回复]
楼主你好，我最近要在linux上编一个语音自动应答模块，用C++，不知道要怎么运用到这个谷歌的语音识别引擎？不知道楼主能否给点意见和建议？
Re:  dlangu0393 2012-03-05 21:45发表 [回复]
回复wb1989124：其实关键点在于那个请求地址以及POST的数据内容，在文章中已经给出了哦~（文笔不好大概不太好找）
至于实现，我使用的是Qt框架，示例代码也给出了哦。
其实这个接口的调用并没有什么难度，主要还是前端的一些处理，比如如何正确的截断音频输入（实例中只是简单地使用了定时器终止，后来使用了根据音频内容来终止，如果用户停止说话了，就自动截断）。
Re:  wb1989124 2012-03-13 17:41发表 [回复]
回复dlangu0393：楼主能不能留个QQ？方便交流。
Re:  wb1989124 2012-03-13 14:19发表 [回复]
回复dlangu0393：楼主，那我是不是要在linux环境下安装QT框架，然后在这个框架下按照这篇文章的例程，调用谷歌语音识别引擎？
Re:  dlangu0393 2012-03-15 21:18发表 [回复]
回复wb1989124：本文着重介绍GoogleSpeechAPI，我只是使用Qt平台写了一个范例，并不一定非要用Qt平台。使用任何可以进行网络请求的语言和平台都可以。
4楼  Kevin_jiang2011 2012-02-27 22:27发表 [回复]
谢谢分享
3楼  kafeleung 2012-02-19 18:35发表 [回复]
你好，我对你的研究很感兴趣。但是有一些问题希望能请教一下：
1. 对于发送到google speech api的audioData是什么格式？
2.这个audioData好像是通过flac.exe对wav文件进行转换的，flac.exe这个是什么文件？哪里能找到？
谢谢你的分享。^_^
Re:  dlangu0393 2012-02-19 21:46发表 [回复]
回复kafeleung：先从录制设备获取数据，然后使用flac或者speex进行编码，audioData即为编码后的数据。我的范例中使用的是flac编码，Header如下：
Content-Type: audio/x-flac; rate=16000
rate即采样率16kHz，经测试其他的rate同样可用，但一定要保证数据内容和Header一致，不然会出错。

flac.exe是FLAC编码器的binary，在
http://sourceforge.net/projects/flac/files/flac-win/
可以下载到。（本来想使用FLAC的库，结果遇到一些麻烦没有弄成功）
Re:  kafeleung 2012-02-20 01:03发表 [回复]
回复dlangu0393：明白，谢谢。
2楼  waterman0405 2012-02-17 16:11发表 [回复] [引用] [举报]
谢谢楼主，不过话说你真是博学呀，这都能找到。
我找了一早上，终于找到想要的了，这还是多亏了你们这些大侠的帮助呀！3Q
Re:  dlangu0393 2012-02-18 00:28发表 [回复] [引用] [举报]
回复waterman0405：博学什么的，不敢不敢…… 大家共同学习嘛！
1楼  waterman0405 2012-02-17 09:44发表 [回复]
楼主你好，我最近也要用到语音识别系统，但是我使用在android手机上的，我查找了google的voice actions，但是没有找到公开的API，想问下你有这方面的资料吗？谢谢
Re:  dlangu0393 2012-02-17 12:41发表 [回复]
回复waterman0405：不好意思我还真没写过Android的应用，我看到了下面的这篇文章，不知道是否对你有用 :D
http://developer.android.com/resources/articles/speech-input.html

另外，如果android可以访问网络的话，本文描述的方法应该也是同样适用的。



智能语音方案比对介绍
rui1605的博客
07-05 1万+
语音方案比对介绍语音交互是现今应用最多的智能交互方式，在人工智能越来越火的当下应用十分广泛，所以特别针对车内环境，在驾驶员安心驾驶的时候，用语音可以安全的进行操控，所以针对公司的车联网的业务需求，我做了一个语音方案的研究和比对。语音需求整体来说语音需求，选择的语音方案至少要满足语音唤醒，语音合成，语义解析三大基础功能 1. 语音唤醒： 能够通过唤醒词，唤醒语音助手，进行后续用户语义的识别，免去
几种语音识别算法的比较
05-11
基于小样本集的几种语音识别算法的比较研究
JavaScript的语音识别
汪子熙的专家技术分享
08-15 3806
有没有想过给您的网站增添语音识别的功能？比如您的用户不用点鼠标，仅仅通过电脑或者手机的麦克风发布命令，比如”下拉到页面底部”，或者“跳转到下一页”，您的网站就会执行对应命令。听起来很酷对么？然而为了实现这个功能，必须得让您网站的JavaScript脚本能够识别到这些语音输入。 这里介绍一个开源的JavaScript语言输入库，名叫annyang。 Github地址：https://gith...
语音识别对比分析
weixin_34061042的博客
06-20 921
Android平台语音识别服务对比分析一、Google1、主要功能提供中英文等多国语言的识别。2、主要优缺点主要优点：语音识别引擎庞大，识别精度很高，适用于文本语音识别。提供多国语言的语音识别。任何平台都可以进行访问，容易使用。主要缺点：国内可能访问不太稳定，对中文的识别率相对讯飞可能稍差。3、使用方法Android在Android 2.2及后续版本本身提供了可以使用的API...
语音匹配_什么是语音匹配？
weixin_26632369的博客
08-25 2219
语音匹配Google voice match feature has been rolled out. Now, your smart device will recognize you with the help of your voice. Bid adieu to complex configurations and authorizations while purchases and sw...
语音比较器：比较两个不同的语音-matlab开发
05-30
在本文中，我们将深入探讨如何使用MATLAB进行语音比较与分析。MATLAB（矩阵实验室）是一种强大的编程环境，尤其适用于信号处理和数据分析，包括语音处理领域。在这个项目中，我们关注的是开发一个语音比较器，它能对...
最近比较火的某度导航语音包全套
10-18
前段时间比较火的百度导航骚气语音包全套 操作方式：先解压！ 苹果手机 越狱用户路径：将语音包文件放到 private/var/mobile/Containers/Data/Application/百度地图/Documents/baiduvoicedata/ ，复制文件夹进去...
基于Labview的语音识别程序.rar_labview_labview识别_labview语音_labview语音识别_语音识
07-15
4. **匹配与识别**：将提取的特征与模型进行比较，找到最匹配的模型状态，从而识别出对应的语音命令或词汇。 5. **后处理**：识别结果可能包含一定的错误，因此需要进行错误校正和上下文关联，提高识别的准确性。 ...
Unity调用科大讯飞离线语音合成，语音播报功能demo
09-18
Unity调用科大讯飞离线语音合成，语音播报功能demo，代码来自https://blog.csdn.net/weixin_42208093/article/details/109491071，上传此资源主要为解决实际运用的各种小问题，比较方便应用，有问题评论区联系
语音增强.zip_语音信号增强_语音增强_语音增强；改进
07-15
综上所述，这个压缩包可能包含了一些实验数据、代码示例或论文，用于演示或比较不同的语音增强算法，尤其是那些改进的方法。对于研究者或开发者来说，这些资源非常宝贵，有助于他们在实际项目中提升语音处理的效果。
基于android的音频信号分析并显示波形图对比结果
04-13
基于android的音频信号分析并显示波形图对比结果，增加滤波功能，短时能量，对比分析
语音质量评估系统（含源代码）
06-25
基于KPI/KQI的语音质量评估系统，用java语言在eclipse上编写，上面有详细的代码说明，谢谢！
语音识别源代码
09-30
语音识别源码，在Android Studio下可以直接编译。bd_speech_sdk_asr_v3.0.2.20170801_60da871.zip
Sound-contrast.zip_Matlab sound_contrast两类_声音对比
07-13
对比两类声音是否相同。如果相同，则输出“是”，如果不同，输出“否”。图形界面可以显示声音的波谱图形
语音相似度匹配c++
06-19
语音相似度匹配全过程，c++
语音相似度打分技术说明【音频质量专题】
热门推荐
king_audio_video的博客
03-28 1万+
语音相似度打分技术说明【音频质量专题】 ...
语音机器人空号识别介绍
vx897857410的博客
11-21 739
空号识别介绍
相似性度量的多样性: 在语音识别和语音比对中的应用
AI天才研究院
12-23 975
1.背景介绍 语音识别和语音比对是人工智能领域中的两个重要研究方向。语音识别涉及将语音信号转换为文本，而语音比对则涉及比较两个语音序列的相似性。相似性度量在这两个领域中具有重要作用，它可以帮助我们衡量两个语音序列之间的相似性，从而实现语音识别和语音比对的应用。 在这篇文章中，我们将从以下几个方面进行探讨： 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以及数学模型公式详细讲解 具体代...
audio：声音相似度
02-13
声音的 声音相似度wavTopng是声音转图片的工具
c语音比较三个数大小
最新发布
10-16
在C语言中，你可以使用if-else语句或者三元运算符来比较三个整数的大小。以下是两种常见方法： 1. 使用if-else结构： ```c #include <stdio.h> int main() { int a, b, c; printf("请输入三个整数："); scanf("%d %d %d", &a, &b, &c); if (a > b) { if (a > c) { printf("最大值是：%d\n", a); } else { printf("最大值是：%d\n", c); } } else { if (b > c) { printf("最大值是：%d\n", b); } else { printf("最大值是：%d\n", c); } } return 0; } ``` 2. 使用三元运算符： ```c #include <stdio.h> int main() { int a, b, c; printf("请输入三个整数："); scanf("%d %d %d", &a, &b, &c); int max = (a > b) ? ((a > c) ? a : c) : ((b > c) ? b : c); printf("最大值是：%d\n", max); return 0; } ``` 在这两个例子中，我们首先比较前两个数，然后根据结果再跟第三个数进行比较，找出最大的那个。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值