来自文件的窗口语音识别 (SAPI) 的质量
本文关键字：SAPI 语音识别 文件 窗口 | 更新日期: 2023-09-27 18:33:29
我正在尝试对音频流输入（通过UDP）执行语音识别。我正在使用Microsoft语音识别 （SAPI）。当我使用麦克风测试语音识别时，我获得了良好的质量（在 C# 和 C++ 中）。但是，一旦此信息来自WAV文件（或来自我的UDP流的内存缓冲区），识别率就会急剧下降。我尝试以 44100Hz 的大胆保存文件，并且还用 C# 编写了自己的代码来编写 WAV 文件。当然，我使用完全相同的麦克风，文件中的声音听起来不错。
SAPI 是否可以使用不同的模型进行麦克风输入和文件输入？有没有人遇到过这个问题（并且有任何解决方案）？
下面是我的 C# 代码（尽管我在 C++ 中遇到了完全相同的问题）。
SpeechRecognitionEngine recognizer = new SpeechRecognitionEngine();
Grammar dictationGrammar = new DictationGrammar();
recognizer.LoadGrammar(dictationGrammar);
recognizer.SetInputToWaveFile("c:'path'to'file.wav");
RecognitionResult result = recognizer.Recognize();
text1.Text = result.Text;
不知道为什么，但它对我将文件的振幅降低了 10 倍有很大帮助（使用代码来自使用 C 减小 Wav 音频文件的音量）。
也许，当SAPI收听麦克风时，它使用减小的音量，因此在加载wav文件时也需要模拟它。