Android：語音識別

Question

[可能重複]但我沒有找到我下面的問題的答案。

我一直在做語音識別的一些研究，在過去兩天，我沒有得到回答我的問題：

1. 是否可以運行語音識別作爲一種服務？我想實現這樣的事情：我需要撥打一個號碼，儘管我的手機通過語音識別處於睡眠模式。
2. 當我在火車，公共汽車等時，語音識別是否正常工作以檢測詞語？
3. 除了語音識別之外，是否有任何傳感器來檢測語音？
4. 爲了讓語音識別正常工作，用戶是否需要靠近手機說話？

Answer 1

1）它是把語音識別成一個服務，就像是在谷歌的API，在回調方法來得到的結果進行了妥善的做法。爲了使其持續運行，服務必須處理能夠避免陷入睡眠模式的喚醒鎖。一些更多的信息在這裏提供Wake locks android service recurring它有一個很大的缺點 - 電池使用率高，CPU的連續工作和傳入聲音數據的連續計算造成的。 （可以用濾波器，閾值等減少）

2）語音識別不是一個簡單的任務。它需要大量的計算和數據參考。如果輸入音頻不清晰（噪聲，許多人聲等），則很難獲得正確的輸出。可以做些什麼來提高準確度：濾波器輸入音頻：噪聲抑制，低通濾波器等。你不能期望100％的精度，但可以達到80-95％。

更難的是過濾許多人類的聲音。但是可以使用一些簡單的幅度（音頻強度級別）算法和自適應閾值來決定何時開始和結束。想法是，正確的聲音是離電話/設備最近的聲音。所以根據4）當用戶靠近麥克風講話時，準確度會更好，因爲它是最響亮的聲音。

3）我不知道你是什麼意思的傳感器，但有算法只是簡單地檢測人類的聲音，而不是解碼單詞。這些算法被稱爲語音活動檢測（VAD）應該在Speex項目文檔中找到一些代碼http://www.speex.org/

最簡單的處理語音識別的方法是使用Google語音API，它非常好，它識別大量語言，但需要互聯網連接 - 並且需要一段時間才能獲得結果。
CMU Sphinx速度更快，但它的語言模型很少，需要更多的RAM內存和處理器計算，因爲所有解碼都是在設備上進行的。在我的意見中，當dicitionary（重新識別的單詞）像命令（左，右，後退，停止，開始等）一樣小時，它非常好。