公司产品应用场景，在使用移动直播sdk开启推流的同时，配合语音识别同步启动实时语音内容翻译。关闭直播后，实时上传当次直播的文字版本内容。目前出现问题为，当开启语音直播同时开启语音识别后，语音识别可以正常识别，但是直播推流无法进行，麦克风权限问题，两个功能都使用了麦克风，有什么办法解决这个问题？求解答（如果单个功能单独使用都是没问题的，搭配一起就不行了）
浏览 237提问于2020-05-09
1回答
语音识别支持哪些语言呢？文档没有写，只提到“实时流式语音识别适用于对识别时效要求严格的场景。目前支持的语言包括中文和英文。”但不确定离线或者在线的语音识别支持哪些语种。
请在语音识别的《产品简介》中注明，谢谢！
[附加信息]
浏览 367提问于2018-04-02
目前，我正在做一个辅助项目。我现在使用的是javascript和node.js。我正在尝试将语音识别添加到我的应用程序中，尽管不是在浏览器中。我知道有很多东西使用浏览器的语音识别API，但我通常使用mac在终端上运行我的脚本。例如，我试图实现的内容如下所示。我会说点什么，如果这与if语句相对应，那么脚本将根据请求执行任何任务。因此，如果我说"Hello“，它将执行任何任务。有像这样的东西吗？
浏览 140提问于2018-10-06得票数 2
回答已采纳
我正在开发一个实时翻译的Python应用程序。我需要实时识别语音:当用户说什么时，它会自动将这段音频发送到Google speech API并返回文本。因此，我希望在说话时立即显示识别出的文本。
我已经找到了流式语音识别，但似乎我仍然需要先录制完整的语音，然后再将其发送到服务器。此外，也没有如何在Python中使用它的示例
有没有可能用Google Speech API做到这一点？
浏览 7提问于2017-05-19得票数 0
1回答
操作:用于iPhone(iOS设备)的语音识别(语音到文本)框架，我已经在我的iPhone设备上安装了openears演示应用程序，它运行良好，但只适用于诸如GO、CHANGE、MODEL之类的单词列表。我们能否使语音识别对于实时语音识别更加通用，也就是说，不局限于少数几个单词。应该是通用的。
Openears：
浏览 1提问于2012-12-07得票数 1
1回答
在我的应用程序中，我在AvPlayer的帮助下使用url播放音频。现在我想在其中添加对字幕的支持。iOS 10引入了，它可以帮助我们识别实时语音和录音语音。根据苹果的说法：
“您可以对实时音频和录制的音频执行语音转录。例如，您可以获得语音识别器并使用如下代码启动简单的语音识别：
let recognizer = SFSpeechRecognizer()
let request = SFSpeechURLRecognitionRequest(url: audioFileURL)
recognizer?.recognitionTask(with: request, resultHandler: {
浏览 15提问于2016-07-25得票数 1
1回答
我正在使用Kinect + Microsoft.Speech进行语音识别。
要获得输入音频流，必须执行以下操作
Stream kinectAudioStream = myKinect.AudioSource.Start();
并开始语音识别
speechRecognitionEngine.SetInputToAudioStream(kinectAudioStream, new SpeechAudioFormatInfo(...));
speechRecognitionEngine.RecognizeAsync(RecognizeMode.Multiple);
我的目标是实时可视化输入信号(
浏览 0提问于2013-07-17得票数 1
1回答
我正在为华为应用程序库开发翻译应用程序，我通过了解到自动语音识别目前支持11种语言
自动语音识别(ASR)可以识别不超过60年代的语音，并将输入的语音实时转换为文本。该服务采用行业领先的深度学习技术，识别准确率超过95%.目前，汉语普通话(包括中英双语)、英语、法语、德语、西班牙语、意大利语、阿拉伯语、俄语、泰语、马来语和菲律宾语可以被认可。
但另一方面，支持40种语言。我使用ASR转换，但29种语言代码在实时翻译显示服务不可用的皮卡UI。什么应该是其他的选择，我可以用以实现对其他语言的转换。华为在不久的将来会支持其他语言吗？
浏览 7提问于2021-10-08得票数 2
1回答
我用keras (用于情感语音识别的LSTM分类器)与python一起构建了一个深度学习模型，它在本地工作得很好，但是当我加载模型或传递音频分类时，我得到了很高的内存使用量(到目前为止没有问题，因为我的机器中有16 in )。我试图在一个烧瓶web应用程序中将我的模型部署到Azure中，我的问题是:我需要一个云中的“超级机器”来运行我的模型，或者还有其他方法来部署它，以降低成本？
浏览 1提问于2020-12-26得票数 1
回答已采纳
2回答
祝大家日安，
我是刚学会语音识别的。
现在，我正和HTK一起处理语音识别问题。我有55%的准确率。我想问：
我可以集成HTK结果来制作实时识别器吗？
那我该怎么做才能让现场识别器知道呢？
任何帮助都将不胜感激。谢谢。
浏览 5提问于2012-08-23得票数 0
我想知道如果某人有其他人的语音录音，他们是否可以通过Speaker Recognition API使用该录音来假装自己就是那个人。也就是说，说话人识别API可以识别语音是实时的还是录制的？
浏览 1提问于2017-04-28得票数 2
在做 实时语音识别时 语音是PCM 16000 单通道的纯数据，长度是92KB，返回是code":112,"message":"audio slice is empty
浏览 234提问于2019-09-27
我想为失聪的人写一个web应用程序，允许他们在电话中打字作为交谈的一种方式。它的目标是让失聪人士在网页上输入电话号码，发起电话呼叫，实时将接收端的语音转录为文本，并将响应端的文本实时转换为语音。
我计划使用Twilio进行呼叫，捕获音频流，使用语音识别API转录语音，并使用Twilio的文本到语音转换功能来转换文本。
我知道Twilio没有实时转录的能力，我似乎也找不到一种通过twilio.connection对象访问音频流的方法。因此，我正在考虑使用Media Capture API来捕获该语音。这有可能吗？
浏览 3提问于2017-02-27得票数 0
到目前为止，我发现Twilio和Tropo是帮助短信和语音应用程序的服务。
还有其他的吗？
我最感兴趣的是实时语音识别(即用户可以说出一些东西，系统可以基于此做出响应)。
此外，如果有人知道语音识别质量是什么样子，那将是有帮助的！
浏览 0提问于2010-09-29得票数 12
回答已采纳
我见过来自输入设备的语音识别(显然)，也见过来自文件的语音识别()。然而，我想知道是否有可能在系统音频上实时运行语音识别。系统音频是指从扬声器中发出的声音。
对于那些听力有障碍的人来说，这将是一个很好的工具，因为他们正在观看YouTube视频，C#应用程序可以转录正在说的话。
我该怎么做呢？
浏览 2提问于2011-12-08得票数 0
回答已采纳
1回答
YouTube歌曲歌词识别
、、、、
许多YouTube视频都有歌词的自动字幕。我们相信他们正在使用谷歌语音识别API。然而，当我们使用谷歌语音识别API (或任何语音识别API)，我们没有得到准确的歌词。有时候，我们只能从这首歌中得到一行。为什么会这样？
有没有人建议从一首歌中获得实时歌词？或者是用来训练音频的API/库？
谢谢你的帮助!
浏览 10提问于2021-08-11得票数 0
回答已采纳
微信小程序使用腾讯云智能语音做实时语音识别提示参数不合法，但是已经用的就是默认的参数了，是什么原因呢
浏览 357提问于2020-04-11
1回答
小程序接入实时语音识别？
、、、、
打算在小程序接入 实时语音识别。但是从 文档 上只看到了“一句话识别”的 API 和 其他平台的SDK。想问一下如果小程序想接入的话应该怎样接入。
另外我看到语音识别页面也有体验功能的小程序。请问这个小程序开源吗？ 有没有源码可以参考？
image.png
浏览 951提问于2019-07-02
Alexa有一个API可以让我得到“排名”，“子域名”和“访问者百分比”吗？我一直被重定向到“亚马逊网络服务”，但我并不打算使用任何存储或语音识别服务。我在哪里可以找到Alexa服务，在那里我可以获得网络排名的数据？
浏览 0提问于2016-11-12得票数 0
现在技术越来越厉害了，前几年还感觉语音打字特别不靠谱，各种语音助手也相当蠢萌，想问下现在国内语音识别发展到什么水平了？
实时且准确的将语音转化成相对应的文本已经达到了什么样的水准？主要还存在哪些方面的问题？
浏览 2288提问于2018-08-06
1回答
C#中的语音检测
、、、、
我正在寻找一个简单的C#实时语音检测库。输入应为音频流，输出应为“人声”或“非人声”。我没有语音识别或信号处理方面的知识，任何形式的帮助我都将不胜感激。
浏览 0提问于2012-07-28得票数 11
回答已采纳
我已经实现了实时摄像头和使用Android文本识别，当我触摸边界框覆盖，文本到语音作品，但在通用窗口，应用程序无法获得任何文档，谁能帮助如何实现在实时相机OCR？
浏览 0提问于2018-04-16得票数 0
回答已采纳
我在Bing语音API的文档中看到，可以将录音麦克风输入流到REST服务()：
实时连续识别。语音识别API使用户能够实时地将音频转录成文本，并支持接收到到目前为止已被识别的单词的中间结果。
然而，I无法找到一个示例，说明如何使用Xamarin Forms跨平台地实现这一点。
我发现了以下教程：
但是在这个过程中，发送给API的音频流是一个已经存在的音频文件，我想要实现的是将运行该应用程序(Android、iOS、UWP)的设备的麦克风输入发送到。
任何洞察力都将不胜感激。
浏览 0提问于2018-01-16得票数 2
回答已采纳
A.我正在努力实现的.
允许在web浏览器中进行实时语音识别的web应用程序(如)。
B.我目前正在考虑使用的技术来实现A.
JavaScript
Node.js
WebRTC
Microsoft或Pocketsphinx.js或其他(不能使用网络语音API)
C.非常基本的工作流
Web浏览器建立与节点服务器的连接(服务器充当信令服务器，还提供静态文件)
网络浏览器使用getUserMedia()获取音频流，并将用户的语音发送到节点服务器
节点服务器将接收到的音频流传递给语音识别引擎进行分析。
语音识别引擎将结果返回给节点服务器
节点服务器将文本结
浏览 6提问于2014-06-01得票数 11
回答已采纳
我当前正在使用Microsoft Azure从实时语音识别中获取转录文本。有了转录的文本，我将其放入TextRank中，以便从该语音流中提取关键字。但是，当我运行这段代码时，我在运行TextRank代码时丢失了很多语音识别功能。有没有一种方法可以连续运行语音识别，同时将转录的结果传递给下一个进程，同时处理TextRank关键字提取，这样我就不会丢失任何语音并提取关键字？
def from_mic():
speech_config = speechsdk.SpeechConfig(subscription="", region="")
speech
浏览 6提问于2020-11-12得票数 2
我想把录音的音频文件语音转换成文本。我正在尝试使用Google使用异步语音识别。
关于如何进行，我几乎没有什么问题。
1 .我想转换音频文本，而不想实时转换.所以我应该用异步记忆？
使用SpeechGrpc。在android ASychronous语音识别中是否有必要使用？或者我可以在认证后使用SpeechClient ..How？
2 . SpeechGrpc (com.google.cloud.speech.v1.SpeechGrpc)不在我的包裹里！(com.google.cloud.speech.v1)。我必须从这里安装它？
3 .我使用密钥对语音API (ManagedChannel
浏览 3提问于2017-11-19得票数 0
2回答
我正在尝试通过使用Ionic作为前端的Google API服务来实现实时语音到文本的识别。我找不到一个库，可以从离子记录和流记录实时存储在google存储桶中。你有什么意见建议？
浏览 2提问于2020-06-01得票数 4
1回答
我需要通过谷歌云语音API的实时语音识别。然而，它仍然处于测试版，在互联网上没有多少有用的东西。
这里有很少的示例，但是我看不到C#的流API，这是否意味着我不能使用C#来蒸我的音频输入Google？
有人尝试使用.NET将音频流输入到云语音API中吗？
FYI，我不能使用从Google获得的普通Web语音API。我只需要使用Goolge云语音API。
浏览 7提问于2016-10-26得票数 1
回答已采纳
我正在努力寻找使用Google Cloud speech API进行实时连续语音识别的示例。我的要求是使用麦克风，检测语音，并在用户说话时将其转录。
我知道他们的REST API没有这种支持，所以我研究了grpc示例，包括他们提供的示例。但它们看起来都像是用户上传音频和检测语音的例子。
我使用的是Java，Google grpc也支持java。有没有人遇到过一个很好的例子，展示了如何通过麦克风不断地进行这种识别？
浏览 1提问于2016-11-09得票数 3
1回答
我知道"x-webkit- speech“能够进行某种类型的语音识别，实际上识别效果相当不错。
我发现"x-webkit-speech“很适合开发问答应用程序，在这个应用程序中，你只需提问，系统就会识别问题并回答你。
然而，我正在寻找的是一种在浏览器中执行连续语音识别的方法。例如，如果我在网上听到一场讲座，我想实时转录教授正在谈论的内容。
是否可以使用"x-webkit-speech"？我的感觉是"x-webkit-speech“在检测到短的静默期时会自动停止，这很烦人。我知道它实际上将音频转换成flac，并将其发送回google服务器。有没有可能发回更
浏览 3提问于2012-10-31得票数 3
回答已采纳
1回答
我必须创建一些小的语音控制游戏(为windows和android)。不需要语音识别(目前)，只有声音音量是重要的。
因此，可以将任务简化为创建一个简单的均衡器，该均衡器可以实时从麦克风获取语音数据。
是否存在这样的统一库(读取麦克风流和检测当前音量)，还是应该寻找外部的东西？谢谢。
浏览 5提问于2017-03-19得票数 0
回答已采纳
1回答
我已经使用Python语音识别工作了大半个月，制作了一个类似JARVIS的助手。我已经通过Google Speech API和Pocketsphinx使用了语音识别模块，并且我直接使用了Pocketsphinx，而没有使用其他模块。虽然识别是准确的，但我很难处理这些软件包处理语音所需的大量时间。它们的工作方式似乎是从一个静默点记录到另一个静默点，然后将记录传递给STT引擎。在处理录音的过程中，无法录制其他声音进行识别，如果我试图连续发出多个复杂的命令，这可能是一个问题。
当查看Google Assistant语音识别、Alexa的语音识别或Mac OS High Sierra的离线识别时，我看
浏览 1提问于2018-07-26得票数 14
1回答
请问一下，客户端（ios/android）是通过什么协议与服务端做的实时语音识别，http、websocket、mrcp等，使用的是什么协议？
浏览 454提问于2020-02-26
把获取到的音频流按一定大小（比如120k）分片并在请求 url 中设置对应的 seq 序号后，循环调用实时语音识别的 http 接口。第一次调用结果请求成功，但未识别出任何语音信息，从第二次调用开始，服务端返回错误码126直到结束。
若按同样的分片规则分片但在 url 不设置 seq（即 seq 设为 0），则每次调用都能成功识别语音，返回格式如下：{"code":0,"voice_id":"IBTvBH9ceXIb5RwE","result_number":1,"final":0,"result_list
浏览 277提问于2020-03-09
1回答
请描述您的问题
标题：iOS-SDK-实时流式识别 - 智能语音服务 - 产品文档 - 帮助与文档 - 腾讯云
地址：https://cloud.tencent.com/document/product/441/8845
浏览 377提问于2018-02-24
请描述您的问题
标题：iOS-SDK-实时流式识别 - 智能语音服务 - 产品文档 - 帮助与文档 - 腾讯云
地址：https://cloud.tencent.com/document/product/441/8845
浏览 371提问于2018-02-24
我正在编写一个程序，它使用Windows语音识别来监听命令，并使用语音合成器提供实时反馈。我想知道是否有可能使用合成器的结果来创建音频波形(类似于您在录制声音时在Audacity中看到的)，并在合成器继续说话时实时显示。我试图给人一种能够“看到”节目谈话的效果，而不仅仅是听到它。我不知道从哪里开始，任何建议/帮助都将不胜感激。
浏览 0提问于2015-09-19得票数 0
安卓是否支持将包含语音的mp3文件转换为相应的单词，然后将结果写入TextView或Toast或其他格式？？
我不是在说使用语音识别器！！我的意思是mp3中的文件必须是从sd中挑选出来的，而不是实时记录和分析的？
谢谢！！
浏览 3提问于2016-01-22得票数 3
我目前正在使用Twilio打电话，我想添加一个语音识别元素，这样如果用户说了特定的短语，我的后端就可以采取特定的操作。如果您熟悉Twilio，它类似于Gather动词。它需要是实时的，因为如果识别有问题，用户将被提示澄清。
浏览 93提问于2016-11-18得票数 4
回答已采纳
我正在编写Java以实时识别我的演讲，我已经浏览了源文件中所有可用的演示，但是我无法确定要处理哪个演示。
以及如何使用转录演示实时获取输入wav文件并将其转换为文本。
我正在开发一个支持语音的模拟接口，它需要引导命令才能实时转换为文本。
任何类型的帮助都是非常感谢的。
浏览 3提问于2016-06-15得票数 2
回答已采纳
2回答
我正在制作一个从用户那里获取命令并实时编写的应用程序。对我来说，最好的选择是什么？像sphinx这样的第三方软件，或者我应该使用内置的(android语音识别)？
其次，我想让它实时书写，比如当我说话的时候，它就会开始书写？
浏览 1提问于2012-03-09得票数 2
回答已采纳
1回答
谷歌语音应用程序接口v2是否支持通过web套接字的音频流？我找到了一种用音频发送POST请求的方法。但是，如果我可以编写音频并通过套接字实时发送它，那就太好了。
注意:我使用Firefox浏览器。我知道Google Chrome支持开箱即用的语音识别，但我对Firefox和其他浏览器很感兴趣。
浏览 1提问于2015-07-06得票数 3
您好，我正在使用DictationRecognizer类在我的项目中添加语音输入功能。我按照这个https://docs.microsoft.com/en-us/windows/mixed-reality/voice-input-in-unity实现了听写识别器，它起作用了。 但是，在我的应用程序中，我想包含一个基于实时麦克风数据音量的动画。每当麦克风开始获取语音数据时，我希望在unity中运行一个小动画，以指示麦克风正在录音。在口述识别器运行时是否可行？如有任何帮助，我们不胜感激！
浏览 16提问于2019-04-26得票数 0
我做了一个语音识别到文本的演示。我刚刚构建了演示，它工作得很好。但我的问题是如何从音频文件中输入，而不是从实时对话中输入。有什么办法解决这个问题吗？谢谢。
浏览 0提问于2013-03-22得票数 2
我们目前正在评估Bing语音识别服务的实时流场景。我们正在获得PCM编码音频的实时流(16k采样，16位，1通道(又名mono))，并试图将其发送到Bing语音识别服务。
我们已经在我们的场景中成功地使用了来自DataRecognitionClient的格式，在播放音频之前发送音频格式，如下所示：_dataRecognitionClient.SendAudioFormat(SpeechAudioFormat.create16BitPCMFormat(16000));
然后，我们将音频流在一个循环中流，如下所示：
_dataRecognitionClient.SendAudio(buffer,
浏览 6提问于2016-12-13得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
