微软Speech SDK开发语音识别系统主要步骤及模式.pdfVIP

微软语音识别分为两种模式：文本识别模式和命令识别模式。这两种模式的主要区别在于识别

过程中使用的匹配字典不同。前者使用的是通用字典，特点是内容丰富，覆盖的词汇量大，字

典SDK听

由。适用于没有预定目标的随机写之类的应用。同时因为词汇量大，直接导致识

X

别精度降低，识别速度较慢。后者的字典需要开发者自己编写，即所说的ML文件。

文

XML件作为一种数据方式，有一定的格式，定义了SDK需要确定的一些和用于匹

配的词汇。这种方式由开发者定义词汇数量，大大减少了匹配过程中需要检索的词汇量，提高

了识别速度。同时由于候选词极少，因此一般不会识别错误。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，所以通常用于常用命令的识别，方便用户操作，替

代菜单命令等。

利用微软SpeechSDK5.1在MFC中进行语音识别开发时的主要步骤，以SpeechAPI

5.1+VC6为例：

1、初始化COM端口

通常在WinApp的子类中，调用CoInitializeEx函数进行COM初始化，代码如下:::

C

CoInitializeEx(NULL,COINIT_APARTMENTTHREADED);//初始化COM注意:调用这个

函数时，要在工程设置(projectsettings)‑C/C++，Category中选Preprocessor，在

_

Preprocessordefinitions:下的文本框中加上“WIN32_DCOM”。否则编译不能通过。

2、创建识别引擎

微软SpeechSDK5.1支持两种模式：共享（Share）和独享（InProc）。通常情况下可

以使用共享型，大型服务型程序使用InProc。如下：hr=

m_cpRecognizer.CoCreateInstance(CLSID_SpSharedRecognizer);//Sharehr=

m_cpRecognizer.CoCreateInstance(CLSID_SpInprocRecognizer);//InProc如果是

Share型，可直接进行到步骤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tokenhr

SpGetDefaultTokenFromCategoryId(SPCAT_AUDIOIN,cpAudioToken);//创建

默认的音频输入对象if(SUCCEEDED(hr)){hr=m_cpRecognizer‑

SetInput(cpAudioToken,TRUE);}或者：CComPtrISpAudiocpAudio;//定义一个

音频对象hr=SpCreateDefaultObjectFromCategoryId(SPCAT_AUDIOIN,

cpAudio);//创建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哪个是我们需要处理的识别消息。如

下:

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.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,就是所说的xml文件.xml

文件作为一种数据的方式,有一定的格式,定义了sdk需要确定的一些,和用以匹配

的词汇.这种方式由开发者定义词汇