语音识别总结

由于项目需要，需要研究一下语音识别。

目前得到的结论如下：

可供使用的语音识别有Google, 讯飞，OpenEars

经测试：Google语音识别可以识别出普通话，香港话，台湾话。 网上有一个例子， 是根据苹果的官方Demo, SpeakHear改的， 效果还是不错的，唯一不太好的是，它没有判断什么时候用户说完话了，而是需要用户来点击结束，才认为是结束。

可以参看这篇文章：http://blog.csdn.net/dlangu0393/article/details/7214728

Google同样提供了语音合成：今天用google在线翻译的时候，发现了语音功能。 可以让自己的文字发音，这是一个很不错的功能，如果用到自己应用中，会不会是一个特色呢。 google TTS服务接口：http://translate.google.com/translate_tts?tl=en&q=text 这个会返回英文“text”发音的mp3.如果想返回中文的发音如何办呢？大家注意接口中的参数，修改一下就行：http://translate.google.com/translate_tts?tl=zh&q=测试。 由此类推，如果是其它国家的发音如何办， 只需要修改tl=countryCode这个参数。

对于Google提供的语音合成， 我记得在学习iphone开发之初，我就找到一个Demo可以使用给一个串，然后自动读出这个串的， 并且很简单的几行代码就可以做到。 前两天找了一下， 找了半天也没有找到，不知道是什么情况。

讯飞， http://dev.voicecloud.cn/index.php?vt=1

可以到这个官网上看到， 对公司和个人免费，如果用户达到百万级后，会收取一定的费用，适合开发使用。

优点：可以自动截取用户的说话，当用户沉默一会儿，讯飞会认为用户已经说完了。

不太好的是：

1。 对语言支持不如Google， 可以分大陆话，香港话以及台湾话， 而讯飞这个貌似分不出来。

2。 讯飞和开发者的协议不太人情，可以理解为讯飞什么时候看到这个开发者火了，那么他随时有权力终结掉这个开发者的使用讯飞的应用。如果是大公司使用这个，个人觉得还是有一定的风险的

3。 使用起来不如Google的简单，

4。 在线的，而且是1028端口，很多用户在使用时，在wifi的情况下，通过公司的网络，由于公司的网络极可能会封掉1028这样的不常用端口，会导致用户没法使用。

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，当然也可能是因为我研究得不够