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
随着iOS 10的发布,苹果发布了一个新的语音识别框架。可以通过附加AVAudioPCMBuffers或向m4a提供URL来将数据传递到此框架。目前,语音识别使用前者工作,但这只有在某人完成后才可能实现,并且不是实时的。下面是实现该功能的代码:
let audioSession = AVAudioSession.sharedInstance()
var audioRecorder:AVAudioRecorder!;
var soundURLGlobal:URL!;
function setUp(){
let recordSettings = [AVSampleRateKey : NS