Google，微软，科大讯飞的语音识别引擎对比

— Google 提供了一个在线语音识别的 API 接口，通过该 API 可以进行中文、英文等语言的识别。

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

— 参数解释

 xjerr：错误标准

 client： 客户端类型

 lang：待识别语言类型，en-US是英文，中文为zh-CN，

 maxresults：最大返回识别结果数量

— 识别基本流程：

◦ 从音频输入设备获取原始音频并编码或直接调用音频文件。

◦ 将音频 POST 至接口地址。

◦ 分析处理返回的 JSON 并得出结果。

— 请求接口

◦ 地址：如前

◦ 请求方式： http post

◦ 请求数据：编码后的音频数据

◦ 音频编码格式： wav 、 speex 或 flac 。

◦ 音频采样频率： 8000Hz 、 11025Hz 、 16000Hz 、 22050Hz 、 24000Hz 、 32000Hz 、 44100Hz 、 48000Hz

— 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

◦ API 未开放，未能获知具体开发细节。

◦ 识别引擎位于服务器端，识别的速度和网络质量有关，识别速度较慢。

◦ 待识别音频的格式、大小、时长的限制。

 

 

MicrosoftSpeech SDK

— Microsoft Speech SDK 是微软公司提供在 Windows 平台上开发语音识别和语音合成应用程序的开发包，简称为 SAPI ，内含 SR （ Speech Recognition ）和 <