我有一个代理可以识别这样的句子：
今天我花10美元买星巴克，或者今天我花10雷亚尔(巴西钱)买咖啡。
在这些示例句子中，我可以识别出10美元或10雷亚尔作为@sys.unit-currency的系统实体，一切都很好。
问题是当我试图以语音的形式输入数据时，Dialogflow会自动将我的文本转换为：
今天我在星巴克花了10美元
由于某些原因，代理不会将$10识别为@sys.unit-currency
我试着训练智能体，如果新的输入，但他就是不工作，有什么想法吗？
浏览 0提问于2018-09-25得票数 0
1回答
我想使用谷歌语音服务不是麦克风，而是视频文件。例如，一个视频文件正在我的计算机上播放，谷歌语音识别程序正在识别视频的音频流。Youtube的自动字幕功能。我怎样才能使用G.S.R？
浏览 5提问于2017-08-03得票数 4
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
2回答
音频字幕转录- C++
、、、
我正在做一个项目，在其他与视频相关的任务中，最终应该能够提取视频的音频，并对其应用某种语音识别，并获得视频上所说内容的转录文本。理想情况下，它应该输出某种字幕格式，以便文本链接到视频上的某个点。
我在考虑使用Microsoft Speech API (又名SAPI)。但据我所知，它使用起来相当困难。我为语音识别找到的极少数示例(大多数是用于文本到语音的转换，这可能更容易)表现不是很好(他们不能识别任何东西)。例如这个：
一些例子使用了一些叫做语法文件的东西来定义识别器正在等待的单词，但是由于我没有对Windows语音识别进行过彻底的训练，所以我认为这可能是在混淆结果。
所以我的问题是。对于这样
浏览 0提问于2011-08-28得票数 1
我正在制作一个应用程序，在其中我正在录制视频，同时想要实现语音到文本识别功能，没有语音对话，谁能告诉我如何继续。
浏览 9提问于2017-08-28得票数 1
1回答
因此，尽管这仍然有点令我震惊，谷歌默认的语音识别完全和完全忽略了音乐/环境噪音。问题是，对于我的用例，我希望它真的尝试转录音乐！
我正在使用Chrome 72中的Web语音API和他们的演示程序。
甚至当我把扬声器放在麦克风旁边的时候，我也不能把它从音乐中提取出来。
我也不能让它从网上获取任何Youtube视频或视频。
它也没有捡到我亚历克莎说的任何东西。
我有一个Android，所以我假设他们在商业广告中做一些类似亚马逊的事情，播放一种无法听到的声音，用来抵消录音？有什么办法让这个失效吗？
如果我直接从我的Mac或PC上播放音乐，它也不起作用。
然而，如果我用视频聊天
浏览 2提问于2019-02-11得票数 0
回答已采纳
我对Windows Phone 8.1应用程序中的语音识别有很大的问题。
我的代码(我在Google中找到了类似这样的东西)：
private SpeechRecognizer speechRecognizer;
public async Task InitializeSpeechRecognizerAsync()
{
speechRecognizer = new SpeechRecognizer();
SpeechRecognitionTopicConstraint topicConstraint =
new SpeechRecognitionTopicC
浏览 3提问于2015-11-21得票数 0
3回答
使用MFCC进行语音识别
、、、、
我目前正在使用傅里叶变换结合Keras进行语音识别(说话人识别)。我听说MFCC是语音识别的更好的选择，但我不确定如何使用它。
我在python (3)中使用librosa来提取20个MFCC特征。我的问题是:我应该使用哪些MFCC功能来识别说话人？
除此之外，我不确定如何实现这些功能。我要做的是获得必要的特征，并为神经网络做一个长向量输入。然而，也可以显示颜色，所以图像识别也是可能的，还是更多地针对语音，而不是说话人识别？
简而言之，我不确定我应该从哪里开始，因为我在图像识别方面经验不是很丰富，也不知道从哪里开始。
提前感谢！！
浏览 4提问于2018-12-04得票数 0
如何使用curl调用HPE Haven的语音识别API？我只得到一个json响应，其中包含一个称为jobID的东西。语音识别结果在哪里？
浏览 20提问于2016-09-11得票数 0
1回答
我正在为我们的一个项目分析语音识别器。要求将语音转换为文本，支持包括英语(美国)在内的6种语言。有人知道这在Sphinx中是否可行吗？
我们选择Sphinx的原因是我们希望该应用程序与Windows、Mac和Linux平台兼容。
浏览 4提问于2009-09-01得票数 1
我有一个简单的语音识别应用程序，很好地使用车载麦克风，但一旦我附加了HDMI电缆(通过HDMI捕获卡- USB-C) - android设备麦克风被接管。我怎样才能防止这种情况发生？
为了使我的应用程序工作，我必须连接HDMI &仍然保持语音识别部分运行。这两件事隔离工作，我可以接收HDMI输入和录制视频饲料，我可以使用语音识别-但当这两者合并-我失去麦克风。
浏览 3提问于2022-04-25得票数 1
我正在开发一个使用RecognizerIntent的安卓语音识别应用程序。客户端关心的是设备和谷歌语音识别服务器之间传输的数据，以及这些数据是否可以被拦截。
我几乎找不到关于数据来回发送的格式和方式的文档。
有人知道我在哪里可以找到这些信息吗？设备和谷歌语音识别之间的通信是否以任何方式加密/安全？
浏览 4提问于2012-07-17得票数 3
回答已采纳
1回答
如何编写语音识别引擎(使用Microsoft speech SDK)来“听”视频文件并将检测结果保存到文件中？
浏览 2提问于2009-11-09得票数 3
回答已采纳
1回答
语音识别ActiveX
、、、、
我正在编写一些关于MSIE+SAPI技术的代码，我想用实验来进行语音识别。
我已经能够将文本用于语音，如下所示：
var KC_TTS = new ActiveXObject("Sapi.SpVoice");
// ...
KC_TTS.Speak("Hello, world!", 1);
因此，按照惯例，必须有一些语音识别ActiveX可以加载和使用类似的。但是，我似乎无法找到这个ActiveX的名称，因此，我也找不到任何相关的文档。
我的问题
允许语音识别的MS ActiveX的名称是什么？
我在哪里可以找到一些关于它的使用的文档？
浏览 2提问于2011-11-06得票数 1
回答已采纳
1回答
我刚接触nativescript，我想知道是否有任何插件可以像我们在浏览器上使用navigator.getmedia那样流式传输音频和视频数据。 我正在尝试使用tensorflow实现语音安全(而不是识别)和面部识别
浏览 45提问于2019-03-11得票数 0
1回答
我正在制作一个应用程序，使用谷歌辅助应用程序接口，语音识别和语音交互服务。一切似乎都很正常，但当我的应用程序被设置为默认的帮助应用程序时，问题就来了。当我这样做时，语音识别停止工作，就像没有授予录音音频权限一样，但它在设置中被选中。
有没有人知道问题出在哪里？
浏览 3提问于2017-08-30得票数 0
1回答
如何使用来翻译实时流？
、、、
这是Google语音API文档：
我试了两个星期这个API，但仍然不能解决我的主要目的(翻译现场流媒体)。
我正在使用PHP。(允许其他语言建议，我会自己找到的)
我在两周内能做的是：
同步语音识别(<=1min)
异步语音识别(>1 1min和<=80min)。备注：我可以修改这个以接受3小时的视频。
麦克风的实时语音识别：
更新：在音频持续时间小于6秒的情况下执行流API。
我不能做的是：
如何翻译现场直播。例:无线流媒体(允许延迟)
视频/音频播放时如何翻译。(允许延迟)
更新：
我
浏览 2提问于2017-05-25得票数 12
回答已采纳
谁知道我在哪里可以找到可以在应用程序上使用的语音翻译器和翻译器？我想在几种语言上的语音识别翻译成文本。我可以在哪里找到它，或者我应该从哪里开始？我是一个新手，所以任何帮助都是非常感谢的。
浏览 4提问于2010-08-20得票数 0
1回答
谷歌云功能-视频智能
、、、
我知道如何通过Google触发用于对象跟踪/对象检测的视频智能请求，如下所示：
video_client = videointelligence.VideoIntelligenceServiceClient()
features = [videointelligence.enums.Feature.OBJECT_TRACKING]
operation = video_client.annotate_video(gs_video_path, features=features)
如何触发品牌检测、场景检测、OCR、语音识别和名人识别的相同功能？
浏览 3提问于2021-01-22得票数 0
回答已采纳
1回答
我知道这是一个很长的机会，非常困难，甚至不可能做到。但我还是要问这个问题。
是否有任何方法可以防止.NET的SpeechRecognitionEngine (SAPI)听到或识别来自计算机扬声器的音频，而无需使用外部麦克风。
一个例子就是
播放一段YouTube视频或歌曲，而不是听那个视频或歌曲的音频形式，或者至少不把它识别为语音。
谢谢
浏览 2提问于2015-02-19得票数 0
回答已采纳
首先，我为我糟糕的英语道歉，但我会试着解释我哪里出错了。我正在尝试做一些类似语音识别机器人的东西。我在youtube上看了一段视频。
当他写下"sRecognize.SpeechRecognized +=“时，他点击了"Tab”按钮，在"=“后面添加了"sRecognize_SpeechRecognized”。
但当我点击Tab时，它会添加"new EventHandler< SpeechRecognizedEventArgs >(sRecognize_SpeechRecognized);“
有谁能帮我吗?我该怎么做？
public part
浏览 2提问于2016-04-26得票数 0
当我在安卓(SDk 2.2 )手机上点击语音搜索按钮时，手机屏幕上就会出现一个带有麦克风和文字对话的图标。在说完像"hello“这样的命令后，会出现一个新的屏幕，上面有文本"WORKING”和一个进度条。我想知道语音识别发生在哪里，实际的语音分析发生在哪里？
可以使用哪种API来捕获这两个事件？
浏览 4提问于2011-01-11得票数 0
7回答
我想知道从哪里可以开始语音识别。不是使用库或任何相当“黑盒”的东西，而是我想知道在哪里可以真正创建一个简单的语音识别脚本。我做了一些搜索，发现并不多，但我看到的是，有‘声音’或音节的字典，可以拼凑成文本。所以基本上我的问题是我可以从哪里开始呢？
此外，由于这有点乐观，我也可以(目前)在我的程序中使用一个库。我看到一些speech to text库和API只输出一个结果。这是可以的，但它将是不现实的。我当前的程序已经检查了输入的任何文本的语法和所有内容，因此，如果我有语音转文本软件的前十个结果，那么它可以检查每个结果，并排除任何没有意义的结果。
浏览 2提问于2012-09-03得票数 26
回答已采纳
4回答
我参加了很多培训课程，我想创建我所有课程的视频教程，这样我就可以分发它。什么是最好的基于Windows的工具来添加我的PowerPoint幻灯片，笔记，语音和视频(我写的代码教程)，并将它们编译成一个视频？
浏览 2提问于2009-02-10得票数 7
回答已采纳
我有一个简单的语音识别应用程序，启动和暂停基于语音命令的视频。我的问题是，当我给出$scope命令时，我在中声明的变量不会改变。其意图是当我使用“暂停”语音命令暂停视频时，文本区域中的数字将发生变化。
var myApp = angular.module('myApp', ['vjs.video']);
myApp.controller("myCtrl", function MyCtrl($scope) {
$scope.playtime = 0;
$scope.$on('vjsVideoReady', funct
浏览 3提问于2017-09-03得票数 1
回答已采纳
1回答
如果我想发展一个简单的单词识别精灵词，我应该从哪里开始？我读过很多文章，但它们都是关于英语语言的语音识别，而不是自定义语言。
浏览 3提问于2017-02-06得票数 1
回答已采纳
我知道音频指纹识别音频文件，这是很棒的，但我真正想知道的是Google是如何制作语音识别API的，它们是如何获取音频和返回的单词的。
我写了一个宝石来指纹wav音频文件并对它们进行比较，但是如果我用指纹将我的声音与充满指纹的数据库进行比较，可能要花费很长时间。谷歌是怎么做到的？
用途：
我真的很喜欢语音识别，我想要一个地方开始编码，但我不知道从哪里开始。DragonVoice是语音识别软件的另一个例子，所有这些软件都非常快。
我想知道从音频记录到转换成文本的服务器流。
浏览 5提问于2014-02-27得票数 0
回答已采纳
我想使用sphinx4或HTK工具包来构建一个语音识别应用程序，该应用程序旨在从语音中估计一个人的年龄。我在更大程度上理解语音识别中涉及的统计模型。我对Mel频率倒谱系数和高斯混合模型感兴趣，因为这两个模型更适合我的问题领域。我是否必须使用神经网络，并从狮身人面像分类器派生的向量中输入训练数据？我不太确定从哪里开始使用sphinx或HTK工具包。我是第一次接触sphinx和语音识别，我的应用程序只是一个原型。
请任何人在这方面提供一些形式的指导。致以亲切的问候。
浏览 1提问于2010-01-19得票数 1
回答已采纳
PC端通过HZRecorder插件进行的录音文件，调用一句话识别接口总是报"InvalidParameterValue.ErrorInvalidVoicedata"，研究了一天了，不知道哪里错了？
下面压缩包里有语音文件和HZRecorder.js
语音.zip
浏览 292提问于2019-08-31
1回答
如果我错了，请纠正我，其实我是初学者。我想为我的大学项目写一个语音识别算法。我想为乌尔都语编写语音识别算法。直到我想到的是，首先我应该创造一个乌尔都语语法。然后训练语音识别引擎，然后检测单词。我试过的东西.！
我已经为英语编写了语音识别算法。
我已经写了两个单词的语法来辨认。
这个算法很有效。所以，我应该改变识别乌尔都语或创建乌尔都语语法的算法。请指导我从哪里开始。
static void RecognizeSpeechAndMakeSureTheComputerSpeaksToYou()
{
_recognizer = new SpeechRecogn
浏览 0提问于2015-08-26得票数 3
1回答
使用摄像机拍摄时的语音识别
、、、、
我正在开发一个android应用程序，需要同时拍摄和使用语音识别。问题是，摄像机使用麦克风，因此语音识别api不会访问麦克风。
我的解决方案是关闭摄像头中的音频，只录制视频。这个解决方案的问题是，当使用RecognitionListener时，您无法访问音频文件。
然后我尝试在startActivityForResult中使用RecognizerIntent。这个解决方案的问题是，活动将打开一个“弹出窗口”，摄像机停止工作。有谁知道如何解决这个问题。
浏览 2提问于2015-07-03得票数 0
1回答
同步视频中的字幕
、、
我有一个文本文件，所有的话都在视频中说在正确的顺序，但没有时间参考。有没有办法使用这个文本文件在视频中放置字幕？
我能想到的一种方法是使用语音识别，但大多数算法都不太准确，无法完成这项任务。
浏览 3提问于2016-01-20得票数 2
在iOS 10语音识别应用编程接口的kAFAssistantErrorDomain中，哪里可以找到不同错误码的定义？
浏览 4提问于2016-12-11得票数 3
3回答
J2ME中的语音识别
、、、
我正在使用j2me开发一个移动应用程序。在那里，我需要一个语音识别功能，这样应用程序应该能够处理和执行用户发出的命令。我想知道的是
这在技术上可行吗(我是j2me编程新手)？
如果可能，在哪里可以找到用于语音识别的j2me库？
提前谢谢你，
努万
浏览 3提问于2009-10-22得票数 1
我试图提高麻雀在嘈杂环境中的识别精度。但是，用户可能在可变环境中使用该应用程序。因此，用噪音训练不是我想做的事。
我的问题是，在把语音信号输入到袖珍狮身人面像之前，减低噪音是否一定会降低识别的准确性？
如果是，则在降噪后需要保留哪些语音特征？目前，我观察到，如果使用降噪，WER从~40%(自由语言)上升到60%。
加一句，在降噪后，讲话听起来确实更好。
Pocketsphinx argfile:
-lm lm_giga_64k_vp_3gram.DMP
-dict lm_giga_64k_vp.sphinx.dic
-hmm voxforge_en_sphinx.cd_cont_50
浏览 5提问于2014-09-03得票数 3
回答已采纳
4回答
我一直在研究的发行说明和特性，因为我想在我的项目中也加入手势识别。
在上面的页面中，第一行提到“Kinect for Windows SDK使开发人员能够创建支持手势和语音识别的应用程序”。SDK提供语音识别API，可以轻松使用。但是，我不认为SDK中有任何手势识别API可用。Skeleton Tracking的API很容易使用，但随后必须对它们进行定制，以获得手势识别。
我看过Windows Media Center的视频，这些视频可以通过手势等控制，也可以通过其他应用程序控制。我想知道是否所有这些应用程序都是定制的，并且必须编写自己的手势识别代码。
目前，在我的项目中，我使用的是Codep
浏览 1提问于2012-03-20得票数 8
回答已采纳
2回答
我想学习c#的SAPI api来进行语音到文本的识别。
我找不到任何教程。谁能告诉我一个例子在哪里，或者可以在这里展示？
它需要有支持才能从网络摄像头麦克风中获取语音。
谢谢。
浏览 3提问于2012-12-02得票数 3
我想问你，语音识别软件站在哪里的网页可访问性。我的意思是，它是WCAG A，或AA，或AAA的一部分。我试着理解W3C在这里解释了什么：
但我迷路了5次左右。我之所以问这个问题，是因为我的客户问我们是支持A级还是AA级，我觉得语音识别软件处于AAA级。如果有人能帮我，那就太好了:)
浏览 2提问于2015-08-06得票数 1
回答已采纳
1回答
流行的视频会议工具缩放支持通过网络客户端记录会议和自动记录会议。我在Zoom网站上找不到支持语言的任何信息。缩放语音识别与除英语以外的其他语言一起工作吗？
浏览 0提问于2021-04-21得票数 0
我想在不存在SRT文件的视频文件中添加字幕。是否有任何工具可以自动扫描视频的音频，并创建一个只包含时间戳的空白SRT文件？
我尝试了VisualSubSync，但是内置的扫描场景更改工具显然只适用于现有的SRT文件。
基本上，我正在寻找一个开源离线等价的 (没有语音识别功能)。
浏览 4提问于2017-11-04得票数 0
2回答
我希望能够使用Microsoft的语音识别功能对我的Delphi应用程序进行口述。但是，当试图向TMemo发号施令时，它根本不起作用。我注意到Firefox3.0也有同样的问题，在他们就这个问题与微软联系后，他们表示他们需要为他们的应用程序实现。
我想知道是否有任何方法可以在Delphi中实现这一点，这样我就可以将其指定为TMemo或TRichEdit。搜索谷歌的解决方案没有返回任何相关的结果。我从哪里开始寻找解决方案？
编辑：我发现有一种方法可以在所有程序中启用语音识别，即使是那些不支持语音识别的程序，只需选择语音识别选项并选择Enable 。但是，当您使用这个命令到不使用的编辑框中时，它总
浏览 5提问于2008-11-08得票数 5
回答已采纳
1回答
是否只需要一个单词的语音识别就可以降低任务的复杂性，从而能够在iOS或安卓智能手机上脱机完成语音识别处理？(例如，当麦克风处于活动状态时，一个合理准确的计数器能显示出一个预先编程的单词在标准的iOS或Android智能手机上脱机工作的次数吗？)
我已经找到了很多捕捉声音的工具和例子，并将其发送到在线服务(例如，Google云语音到文本)，但单字聚焦是否足以降低识别的复杂性，使其在今天可以脱机完成呢？如果是的话，您有什么库可以建议，或者从哪里开始呢？
浏览 1提问于2018-08-10得票数 1
关于使用Windows Speech API，我有两个问题。
首先:我设置了我的语音识别器来检测特定结构的句子--即动词后面跟着名词，中间有一些通配符。但是，我也希望它能够识别不适合这种结构的"Help“和"Exit”命令。怎样才能让语法识别出另一个根本不同的结构呢？
第二:我正在使用SemanticResultValue来分析我的句子内容。我希望用户可以对同一个动词说出多个单词--例如，"Go“、"Walk”和"Run“都会在系统中转换为相同的操作。如何将多个值分配给同一个SemanticResultValue？
浏览 2提问于2013-11-25得票数 0
我是C#的新手，我不确定我是否在正确的论坛上写作。我正在建立一个简单的语音识别程序，该程序以语音命令为输入，执行语音到文本的翻译，然后搜索与该文本匹配的视频。
我正在使用grammarBuider()并定义我自己的语法来进行更精确的语音识别。但问题是:当语法中不存在的任何单词被说出来时，程序就会随机启动在语法中定义的现有单词的显示/写入。
所以,
我想要的是:如果我的语法Grammarbuilder中不存在任何单词，程序就不应该在屏幕上从语法中编写任何或任意的单词。相反，它应该向用户显示一条信息，即“程序的语法中不存在您说过的话，或者没有找到与您的语音搜索匹配的视频”。
有人能
浏览 0提问于2018-07-21得票数 3
我在Swift 3中使用Nuance语音工具包，我已经下载了用于swift的示例应用程序，配置有一个变量，
//只有在使用NLU/Bolt = "!NLU_CONTEXT_TAG!“时才需要除了上下文标签之外，我还可以找到语音识别所需的所有其他凭证。如何/在哪里找到SKSNLUContextTag值？
浏览 0提问于2016-11-18得票数 0
回答已采纳
1回答
我正在开发一个语音识别应用程序，用户说出一个句子或任何东西，它就会被转换成文本。(语音到文本的转换是通过google实现的)
我的问题是，，，当一个人说话时，保存或记录他的声音(语音)的文件/缓冲区在哪里？(在Google接受并转换它之前)
是否有可能获得此文件或缓冲区？
浏览 2提问于2013-03-31得票数 0
1回答
我正在考虑一种机制，来找出youtube视频中是否有一个特殊的词，例如“你好世界”。我不知道怎么做，但我的方法是：
通过youtube-dl从youtube视频中提取音频
pocketsphinx_continuous语音识别与txt文件保存
但这很不可靠。pocketsphinx_continuous不太好用。
有人能提出一个很好的解决办法吗？
谢谢你的帮助！
浏览 3提问于2014-04-29得票数 0
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
