微软SpeechSDK51开发语音识别系统主要步骤.docVIP

利用微软Speech SDK 5.1开发语音识别系统主要步骤 微软语音识别分两种模式:文本识别模式和命令识别模式.此两种模式的主要区别,主要在于识别过程中使用的匹配字典不同.前者使用的是通用字典,特点是内容多,覆盖的词汇量大,字典由sdk提供.适用于没有预定目标的随机听写之类的应用.同时因为词汇量大直接导致识别的精度降低,识别速度较慢.后者的字典需要 开发者自己编写,就是你们所说的xml文件.xml文件作为一种数据存储的方式,有一定的格式,定义了sdk需要确定的一些标签,和用以匹配的词汇.这种方式由开发者定义词汇的数量,大大降低匹配过程中需要检索的词汇量,提高了识别速度.同时因为侯选项极少,所以一般不会识别错误.其缺点也是明显的:词汇量小,只有预先输入字典的词汇可以被识别出来,所以一般用来作为常用命令的识别,方便用户操作,代替菜单命令等. 利用微软Speech SDK 5.1在MFC中进行语音识别开发时的主要步骤，以Speech API 5.1+VC6为例： 注意：要在工程设置（project settings）。1、初始化COM端口 一般在CWinApp的子类中，调用CoInitializeEx函数进行COM初始化，代码如下： ::CoInitializeEx(NULL,COINIT_APARTMENTTHREADED); // 初始化COM 2、创建识别引擎 微软Speech SDK 5.1 支持两种模式的：共享（Share）和独享（InProc）。一般情况下可以使用共享型，大的服务型程序使用InProc。如下： hr = m_cpRecognizer.CoCreateInstance(CLSID_SpSharedRecognizer);//Share hr = m_cpRecognizer.CoCreateInstance(CLSID_SpInprocRecognizer);//InProc 如果是Share型，可直接进到步骤3；如果是InProc型，必须使用 ISpRecognizer::SetInput 设置语音输入。如下： CComPtrISpObjectToken cpAudioToken;?? //定义一个token hr = SpGetDefaultTokenFromCategoryId(SPCAT_AUDIOIN, cpAudioToken); //建立默认的音频输入对象 if (SUCCEEDED(hr)) { hr = m_cpRecognizer-SetInput(cpAudioToken, TRUE);} 或者： CComPtrISpAudio cpAudio;?? //定义一个音频对象 hr = SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN, cpAudio);//建立默认的音频输入对象 hr = m_cpRecoEngine-SetInput(cpAudio, TRUE);//设置识别引擎输入源 3、创建识别上下文接口 调用 ISpRecognizer::CreateRecoContext 创建识别上下文接口（ISpRecoContext），如下： hr = m_cpRecoEngine-CreateRecoContext( m_cpRecoCtxt ); 4、设置识别消息 调用 SetNotifyWindowMessage 告诉Windows哪个是我们的识别消息，需要进行处理。如下： hr = m_cpRecoCtxt-SetNotifyWindowMessage(m_hWnd, WM_RECOEVENT, 0, 0); SetNotifyWindowMessage 定义在 ISpNotifySource 中。 5、设置我们感兴趣的事件 其中最重要的事件是”SPEI_RECOGNITION“。参照 SPEVENTENUM。代码如下： const ULONGLONG ullInterest = SPFEI(SPEI_SOUND_START) | SPFEI(SPEI_SOUND_END) | SPFEI(SPEI_RECOGNITION) ; hr = m_cpRecoCtxt-SetInterest(ullInterest, ullInterest); 6、创建语法规则 语法规则是识别的灵魂，必须要设置。分为两种，一种是听说式（dictation），一种是命令式（command and control---CC）。首先 利用ISpRecoContext::CreateGrammar 创建语法对象，然后加载不同的语法规则，如下： //dictation hr =