使用Google语音识别引擎（Google Speech API）

文章来源:http://blog.csdn.net/dlangu0393/article/details/7214728

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