Speech.Recognition(语音识别)

虽然您可以在应用程序中使用通用听写语言模型，但是很快您将遇到大量应用程序开发困难，它们是关于如何处理识别结果的。例如，以比萨饼定购系统为例。用户可能说“I'd like a pepperoni pizza”，结果将包含该字符串。但是它也可能包含“I'd like pepper on a plaza”，或者很多发音类似的语句，这取决于用户的发音差别或背景噪音情况。同样，用户可能说“Mary
had a little lamb”，而结果将包含它，即使它对于比萨饼定购系统毫无意义。所有这些错误的结果对于应用程序而言毫无用处。因此，应用程序应该始终提供专门描述应用程序所要听到内容的语法。

在图
8 中，

using System;

using System.Windows.Forms;

using System.ComponentModel;

using System.Collections.Generic;

using System.Speech.Recognition;

namespace Reco_Sample_1

{

public partial class Form1 : Form

{

//create a recognizer

SpeechRecognizer _recognizer = new SpeechRecognizer();

public Form1() { InitializeComponent(); }

private void Form1_Load(object sender, EventArgs e)

{

//Create a pizza grammar

Choices pizzaChoices = new Choices();

pizzaChoices.AddPhrase("I'd like a cheese pizza");

pizzaChoices.AddPhrase("I'd like a pepperoni pizza");

pizzaChoices.AddPhrase("I'd like a large pepperoni pizza");

pizzaChoices.AddPhrase(

"I'd like a small thin crust vegetarian pizza");

Grammar pizzaGrammar =

new Grammar(new GrammarBuilder(pizzaChoices));

//Attach an event handler

pizzaGrammar.SpeechRecognized +=

new EventHandler<RecognitionEventArgs>(

PizzaGrammar_SpeechRecognized);

_recognizer.LoadGrammar(pizzaGrammar);

}

void PizzaGrammar_SpeechRecognized(

object sender, RecognitionEventArgs e)

{

MessageBox.Show(e.Result.Text);

}

}

}

我使用了一个普通的 Windows 窗体应用程序，并添加了若干行代码以实现基本的语音识别。首先，我引入 System.Speech.Recognition 命名空间，然后实例化一个 SpeechRecognizer 对象。然后，我在 Form1_Load 中执行三个操作：生成一个语法，将一个事件处理程序附加到该语法，以便从该语法接收 SpeechRecognized
事件，然后将该语法加载到识别器。此时，识别器将开始听取符合该语法定义的模式的语音。当它识别出符合该语法的内容时，将调用该语法的 SpeechRecognized 事件处理程序。该事件处理程序本身访问 Result 对象并使用识别的文本。

System.Speech.Recognition API 支持 W3C 语音识别语法规范 (SRGS) — 位于
www.w3.org/TR/speech-grammar。该
API 甚至提供一组用于创建和使用 SRGS XML 文档的类。但多数情况下，使用 SRGS 有些过了，因此 API 也提供了 GrammarBuilder 类，它能够很好地满足比萨饼定购系统的需要。

GrammarBuilder 允许您从一组短语和选项中组成语法。在图
8中，我已经排除了不关注的问题（“Mary had a little lamb”），并对引擎进行了限制，以便它可以在模糊的声音之间进行更好的选择。当用户将“pizza”错误发音为“plaza”时，它甚至不会考虑单词“plaza”。因此通过这几行代码，我已经极大地增强了该系统的准确性。但是，该语法仍然存在一些问题。

详尽列出用户可能说的话语的方法很单调、易于出错且难于维护，而且实际上只能对很少的语法实现这一点。比较可取的做法是定义一个能够定义单词组合方式的语法。此外，如果应用程序关注比萨饼的尺寸、陷料和类型，开发人员还需大量的工作来分析结果字符串中的这些值。如果该识别系统可以在结果中识别这些语义属性，就会方便得多。使用 System.Speech.Recognition
和 Windows Vista 识别引擎会使该操作非常容易。

图 9
显示在用户从备选列表中说出一些内容时，如何使用 Choices 类组成语法。在该代码中，每个 Choices 实例的内容在构造函数中作为一个字符串参数序列指定。但是您有其他很多用于填充 Choices 的选项：您可以迭代添加新短语，从一个数组构造 Choices，将 Choices 添加到 Choices 以生成用户能够理解的复杂组合规则，或者将 GrammarBuilder 实例添加到 Choices 以生成更为灵活的语法（如本示例的 Permutations 部分中演示的那样）。

private void Form1_Load(object sender, EventArgs e)

{

//[I'd like] a [<size>] [<crust>] [<topping>] pizza [please]

//build the core set of choices

Choices sizes = new Choices("small", "regular", "large");

Choices crusts = new Choices("thin crust", "thick crust");

Choices toppings = new Choices("vegetarian", "pepperoni", "cheese");

//build the permutations of choices...

//choose all three

GrammarBuilder sizeCrustTopping = new GrammarBuilder();

sizeCrustTopping.AppendChoices(sizes, "size");

sizeCrustTopping.AppendChoices(crusts, "crust");

sizeCrustTopping.AppendChoices(toppings, "topping");
//choose size and topping, and assume thick crust

GrammarBuilder sizeAndTopping = new GrammarBuilder();

sizeAndTopping.AppendChoices(sizes, "size");

sizeAndTopping.AppendChoices(toppings, "topping");
sizeAndTopping.AppendResultKeyValue("crust", "thick crust");

//choose topping only, and assume the rest

GrammarBuilder toppingOnly = new GrammarBuilder();

toppingOnly.AppendChoices(toppings, "topping");
toppingOnly.AppendResultKeyValue("size", "regular");
toppingOnly.AppendResultKeyValue("crust", "thick crust");

//assemble the permutations

Choices permutations = new Choices();

permutations.AddGrammarBuilders(sizeCrustTopping);

permutations.AddGrammarBuilders(sizeAndTopping);

permutations.AddGrammarBuilders(toppingOnly);

//now build the complete pattern...

GrammarBuilder pizzaRequest = new GrammarBuilder();

//pre-amble "[I'd like] a"

pizzaRequest.AppendChoices(new Choices("I'd like a", "a"));

//permutations "[<size>] [<crust>] [<topping>]"

pizzaRequest.AppendChoices(permutations);

//post-amble "pizza [please]"

pizzaRequest.AppendChoices(new Choices("pizza", "pizza please"));

//create the pizza grammar

Grammar pizzaGrammar = new Grammar(pizzaRequest);

//attach the event handler

pizzaGrammar.SpeechRecognized +=

new EventHandler<RecognitionEventArgs>(

PizzaGrammar_SpeechRecognized);

//load the grammar into the recognizer

_recognizer.LoadGrammar(pizzaGrammar);

}

void PizzaGrammar_SpeechRecognized(object sender, RecognitionEventArgs e)

{

StringBuilder resultString = new StringBuilder();

resultString.Append("Raw text result: ");

resultString.AppendLine(e.Result.Text);

resultString.Append("Size: ");

resultString.AppendLine(e.Result.Semantics["size"].Value.ToString());

resultString.Append("Crust: ");

resultString.AppendLine(e.Result.Semantics["crust"].Value.ToString());

resultString.Append("Topping: ");

resultString.AppendLine(

e.Result.Semantics["topping"].Value.ToString());

MessageBox.Show(resultString.ToString());

}

图 9还显示如何使用语义值标记结果。当使用
GrammarBuilder 时，您可以将 Choices 附加到该语法，并将一个语义值附加到该选项，如以下语句示例所示：

AppendChoices(toppings, "topping");

有时一个特定的话语将具有从未公开的隐含语义值。例如，如果用户不指定比萨饼的尺寸，该语法可以将尺寸指定为“常规”，如以下语句所示：

AppendResultKeyValue("size", "regular");

从结果中获取语义值是通过访问 RecognitionEventArgs.Result.Semantics[] 来完成的。