本文转自csdn
使用Google语音识别引擎(Google Speech API)[3月5日修改]
最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使用SAPI来完成这个任务,但是发现SAPI不仅使用起来超级复杂,而且识别效果也很惨烈。于是就需要寻找一个更加便捷优秀的方案。
自从Chrome 11开始,Chrome开始支持HTML5的语音输入API,QQ紧接着也推出了语音识别输入(可以看做跟风么:D)。显然这些识别操作不可能在本地完成,那么我们就有直接利用接口的可能。
对Chromium的repo进行搜索之后,终于找到了Chromium对语音识别的实现代码:
http://src.chromium.org/viewvc/chrome/trunk/src/content/browser/speech/
分析过程就算了,直接上成果。
Chromium先从mic获取音频,然后使用flac或者speex进行编码,直接通过HTTPS POST到服务器。接口地址如下:
https://www.google.com/speech-api/v1/recognize
Chromium在请求时还会拼上很多参数:
xjerr=1&client=chromium&lang=en-US&maxresults=1
注:参数解释
xjerr=1 # 不详,猜测为错误的标准
client=chromium # 客户端类型,这里是Chromium,猜测Chrome也应该可行,估计是作为统计用的。
lang=en-US # 语言类型,这里是英文,中文为zh-CN,其余语言代码参考:http://msdn.microsoft.com/en-us/library/ms533052(v=vs.85).aspx
maxresults=1 # 最大返回结果数量,多个结果在hypotheses列表中保存。
参数很明了,这给我们提供了很多便利。我们对参数进行调整,得到如下的接口地址:
http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1
接下来祭出wget,对已经发现的接口进行测试:
- flac.exe -8 -f --sample-rate=16000 speechInput.wav
- wget -O "GoogleSpeechAPI.txt" --user-agent="Mozilla/5.0" --post-file=test.flac --header="Content-Type: audio/x-flac; rate=16000" "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1"
结果如下:
- {
- "status":0, /* 结果代码,详细见本文结尾 */
- "id":"c421dee91abe31d9b8457f2a80ebca91-1", /* 识别编号 */
- "hypotheses": /* 假设,即结果 */
- [
- {
- "utterance":"下午好", /* 话语 */
- "confidence":0.2507637 /* 信心,即准确度 */
- }
- ]
- }
注:注释后为手工添加的结果解释
返回结果太明了了!直接就能拿来用了不是~ 返回的编码是UTF-8。
对于编码格式,在测试中使用了FLAC编码,采样率为16kHz,经测试其他采样率同样可用,但一定要保证Header里的rate与实际数据相符。(关于其他格式的实验请看本文底部。)
总结:
1、基本流程:
一、从音频输入设备获取原始数据。二、对原始数据进行包装、编码。三、将编码后的音频POST至接口地址。四、分析处理接口返回的JSON并得出结果。
2、请求接口
请求方式:HTTP POST头部信息:Content-Type: audio/x-flac; rate=16000 (注:Content-Type根据所使用的编码格式不同而不同,详见文章底部。rate为音频采样率。)请求数据:编码后的音频数据
3、音频编码格式:
FLAC或WAV或SPEEX
下面是我写的Qt(C++)中的请求:
- void Protocol::Request_SPEECH(QByteArray & audioData)
- {
- if (!Nt_SPEECH)
- {
- QNetworkRequest request;
- QString speechAPI = "http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN&maxresults=1";
- request.setUrl(speechAPI);
- request.setRawHeader("User-Agent", "Mozilla/5.0");
- request.setRawHeader("Content-Type", "audio/x-flac; rate=16000");
- Nt_SPEECH = NetworkMGR.post(request, audioData);
- connect(Nt_SPEECH, SIGNAL(readyRead()), this, SLOT(Read_SPEECH()));
- }
- }
至于读取函数,就不贴在这里了,具体见:
Protocol: http://pastebin.com/6G6wggfF
AudioInput:
speechInput.h: http://pastebin.com/qdMPeWZD
speechInput.cpp: http://pastebin.com/567B47qF
main:
mainwidget: http://pastebin.com/c8bk7zd2
在翻阅Chromium源码的过程之中,还发现了其他有用的东西:
Speech Input API Specification http://www.w3.org/2005/Incubator/htmlspeech/2010/10/google-api-draft.html
到目前为止,Google好像还没有公开这个API,使用许可依旧不详,请求也没有用到任何认证。但它确实能用,而且十分方便,对于编写非商业程序的人来说,这个东西真的是再好不过了(因为它有着高的爆表的识别率)。
参考:
Chromium Repository http://src.chromium.org/viewvc/chrome/trunk/src/content/browser/speech/
Accessing Google Speech API / Chrome 11 http://mikepultz.com/2011/03/accessing-google-speech-api-chrome-11/
附:
1、SpeechInputError interface 错误信息
- // This enumeration follows the values described here:
- // http://www.w3.org/2005/Incubator/htmlspeech/2010/10/google-api-draft.html#speech-input-error
- enum SpeechInputError {
- // There was no error.
- SPEECH_INPUT_ERROR_NONE = 0,
- // The user or a script aborted speech input.
- SPEECH_INPUT_ERROR_ABORTED,
- // There was an error with recording audio.
- SPEECH_INPUT_ERROR_AUDIO,
- // There was a network error.
- SPEECH_INPUT_ERROR_NETWORK,
- // No speech heard before timeout.
- SPEECH_INPUT_ERROR_NO_SPEECH,
- // Speech was heard, but could not be interpreted.
- SPEECH_INPUT_ERROR_NO_MATCH,
- // There was an error in the speech recognition grammar.
- SPEECH_INPUT_ERROR_BAD_GRAMMAR,
- };
2、多种音频格式的测试
收到朋友的邮件说使用flac实在是很不方便,问我有没有更好的解决方法,于是我尝试将其他编码格式应用于Google Speech API。以下为结果:
1、WAV格式
请求Header:Content-Type: audio/L16; rate=16000
返回结果:识别成功
2、MP3格式
请求Header:Content-Type: audio/mpeg; rate=16000
返回结果:无法识别的编码
请求Header:Content-Type: audio/mpeg3; rate=16000
返回结果:无法识别的编码
请求Header:Content-Type: audio/x-mpeg; rate=16000
返回结果:无法识别的编码
请求Header:Content-Type: audio/x-mpeg-3; rate=16000
返回结果:无法识别的编码
请求Header:Content-Type: audio/mp3; rate=16000
返回结果:无法识别的编码
3、PCM格式
请求Header:Content-Type: audio/x-ogg-pcm; rate=16000
返回结果:无法识别的编码
请求Header:Content-Type: audio/pcm; rate=16000
返回结果:无法识别的编码
4、SPEEX格式
请求Header:Content-Type: audio/x-speex-with-header-byte; rate=16000
返回结果:识别成功
请求Header:Content-Type: audio/speex; rate=16000
返回结果:识别成功
由于识别接口并不开放,所以无法得知具体的支持格式,如果哪位朋友发现了新的支持格式,请一定要留言哦!
相关推荐
首先,我们来了解**谷歌语音识别**(Google Speech Recognition)。谷歌的这项服务是基于其强大的机器学习算法,能够将用户的语音指令转化为文字,广泛应用于各种产品和服务中,如谷歌助手(Google Assistant)、...
使用Google语音识别API将您的语音转换为文本Google语音识别会自动识别您说出的单词,并以文本形式显示。 先决条件: 安装了Python; 已安装Google语音识别API; 主动的Internet连接(越快越好)Beautiful Soup...
本示例主要关注的是如何利用Freeswitch与Google的先进语音技术进行集成,包括语音识别(Automatic Speech Recognition, ASR)和语音合成(Text-to-Speech, TTS)。 首先,让我们深入理解`mod_google_tts`和`mod_...
语音识别在android上使用起来很方便也很简单. 但是有个前提条件,就是android机器上必须预先安装...该例子同样是使用ACTION_RECOGNIZE_SPEECH模式,我们需要实现onActivityResult方法,当语音识别结束之后的回调函数。
压缩包文件名为“Vivibot”可能是指一个示例项目或库,它可能包含了实现科大讯飞和谷歌语音识别接口的代码示例。开发者可以通过研究这个项目,快速理解和学习如何在Android应用中集成这两种语音识别技术。 总结,...
在Qt上的语音识别,用Google识别引擎 SpeechQt ======== 一个基于Qt的简单的语音识别项目 首先,语音识别要做三件事情 1.记录用户的语音文件到本地 2.将用户语音编码 使用flac或者speex进行编码 3.使用第三方...
**Google Cloud Speech API V1Beta1** 是一个由谷歌提供的语音识别服务接口的 Beta 版本。该 API 提供了与谷歌强大的语音识别技术集成的能力,使开发者能够轻松地将音频数据转换为文本形式。它特别适用于需要集成...
1. **语音识别引擎**:离线语音识别通常需要特定的语音识别引擎,如Google的Android Speech Recognition API或第三方库,如讯飞语音SDK。这些引擎包含了复杂的音频处理算法和语言模型,可以在本地对录音进行分析并...
通过调用Google speech的API接口来实现语音识别,并带声波。 修改GoogleSpeech.mxml中的"http://www.google.com/speech-api/v1/recognize?xjerr=1&client=chromium&lang=zh-CN"可以修改语言的类型,默认为zh-CN,...
SpeechSDK,全称为语音识别软件开发工具包,是许多技术提供商如Microsoft Azure、Google Cloud等为开发者提供的核心工具,用于构建语音相关的应用程序。它支持多种语言,包括中文和英文,允许开发者实现语音到文本的...
gspeech-rec, 在一个 shell script 中使用Google语音识别 API v2,一个 gspeech-rec从中识别谷歌语音speech-rec.sh 是一个bash脚本,它将一个flac音频文件发送到Google进行语音识别,并打印出最佳返回的假设。...
在实现这些功能时,Qt平台通常依赖于操作系统提供的语音服务,如Apple的SiriKit、Google的Text-to-Speech服务或者Windows的Speech API。因此,`qtspeech`、`qtspeak`和`qtqtexttospeech`的实际性能和功能会根据运行...
总的来说,"Google-Speech-Recognition--master"项目很可能是展示如何在Android应用中集成Google语音识别服务的实例,包括使用Java代码启动语音识别、处理结果以及应对可能出现的问题。开发者可以借此学习和理解如何...
这是谷歌云文本到语音和同步云语音到文本语音识别API的虚幻引擎包装。 有了这个插件,你将能够合成31种语言的自然男性和女性语音,并识别119种语言和方言的语音。 无缝TTS缓存将保护您的钱包!如果tts节点满足已经...
用于语音识别的Web Speech API的Vue包装器。 Web Speech API处于试验阶段,在生产中使用之前请检查。 安装 npm i vue-web-speech 用法 通过Vue.use将插件注入到vue实例 import Vue from 'vue' import VueWebSpeech ...
2. **语音识别**:此项目中的语音识别功能可能采用了开源库如阿里云的PaddleSpeech、百度的DeepSpeech或谷歌的SpeechRecognition等。这些库能够将接收到的音频文件转换为文字,支持中文语音的识别,使得用户可以通过...
Google Speech API提供了一个基于云的服务,它接收音频流数据,然后通过复杂的语音识别算法将其转换为相应的文本。在WP7上,我们需要创建一个客户端应用来发送音频数据到Google服务器,并接收返回的文本结果。 步骤...
Labview支持与其他编程语言的接口,可以调用外部的识别引擎,如Google Speech API,或者使用内置的搜索算法进行匹配。 6. **后处理**:识别结果可能包含一定的错误,因此需要进行后处理来提高准确率。这可能包括上...
Google Speech API的用法步骤1将您的Google语音凭证插入此文件夹(应为utility-league-xxxxxx-xxxxx.json格式)。在run.sh中更新JSON凭证名称第2步将音频文件( .mp3格式)插入此文件夹在第25行的main.go中更新mp3...
Vue语音流 Vue2在渐进式Web App上使用Google Cloud Speech执行流语音识别认证方式访问 创建一个新项目或单击一个现有项目。 转到“ API和身份验证> API”部分,然后打开以下API(您可能需要启用计费才能使用这些服务...