语音识别的个人小总结

可供使用的语音识别有Google, 讯飞，OpenEars,微软。

这些都是通过网络上了解到的，可能有所差异。简单的聊一下各个的优缺点。这是我个人总结各个大家的见解，有可能有所差异。会随着了解的深入实时更新的 。

 

Google:提供了一个在线语音识别的API接口，通过该API可以进行中文、英文等语言的识别

优点：

1，语音识别引擎庞大，识别精度很高，适用于文本语音识别。提供多国语言的语音识别。

2.，任何平台都可以进行访问，容易使用。

缺点

1，API未开放，未能获知具体开发细节。

2，识别引擎位于服务器端，识别的速度和网络质量有关，识别速度较慢。

3，待识别音频的格式、大小、时长的限制。

4，可能有时候政治问题影响 不能访问google，则影响整体的性能。

 

MicrosoftSpeech SDK：微软公司提供在Windows平台上开发语音识别和语音合成应用程序的开发包，简称为SAPI，内含SR（Speech Recognition）和SS（Speechsynthesis）引擎，因此可以很方便地在自己的应用程序中添加这些功能。

优点

1，基于COM组件，便于与DirectShow中的组件整合。

2，语音识别引擎位于本地，便于访问，识别速度较快。

3，待识别音频的大小、时长无限制。

缺点

1，缺少其他平台的支持，仅支持windows平台。

2，语音识别引擎不够庞大，识别精准度较低。

3，仅提供中日英三种语言的语音识别功能。

 

科大讯飞：实现基于HTTP协议的语音应用服务器，支持语音合成、语音听写、语音识别、声纹识别等服务，提供基于移动平台和PC上的语音客户端子系统，内部集成音频处理和音频编解码模块，提供关于语音合成、语音听写、语音识别和声纹识别完善的API（http://open.voicecloud.cn/）。

优点

1，支持平台丰富，各个平台上都有相应的详细SDK文档

2，语音识别引擎较庞大，对中文的识别精度很高。

3，具端点检测功能，便于划分识别文本的句子。

缺点

1，识别引擎位于服务器端，须远程访问，识别速度较慢。但是现在部分平台（比如安卓可以实现离线的语音识别了。其他的平台也正在尝试。）

2，对语言支持不如Google，目前仅支持中文听写。

3，需要使用1028端口，在某些地方会有使用限制。

4，当软件用户达到百万次后，需要开始收费（这是比较不好的，尤其是比较大的公司使用一定要注意，万一中间人家不给你返回了，到时候协商就是钱的问题了）。

 

OpenEars, http://www.politepix.com/openears/

试了一下他的Demo，发现只能识别限定的词，如up, left, right, turn, go.(感觉比较适用于游戏，就是那种控制方向的游戏，但又不能是那种反应很快的游戏，因为识别的速度跟不上)

优点：

1，免费

2， 不依赖网络运行。

缺点：

1， 只能识别限定的词 对于一些比较根据实时语音的就不方便了。