.Netで音声認識(ディクテーション)

準備

System.Speech.Recognition.SpeechRecognitionEngine を使用します。

MSDNの説明

インスタンスの初期化時に、String型で音声認識エンジンの名前を引数に入れると、その音声認識エンジンで初期化、

System.Globalization.CultureInfoクラスを入れると、指定した言語のみの認識モードで認識します。

どっちも指定したい場合は、System.Speech.Recognition.RecognizerInfoクラスの変数を作り、引数に入れます。

(何も指定しない場合、Windowsの音声認識エンジンで、サポートしている言語全部認識します)

その後、SetInputToDefaultAudioDevice関数を呼びます。

そして、LoadGrammar関数にDictationGrammarクラスの変数を引数に呼び出します。

時間がかかる場合もあるかもしれませんので、Task.Runなどで並列でやっちゃいましょう！

例(C#,VB,F#)

SpeechRecognitionEngine SpeechRecEngine = new SpeechRecognitionEngine()
Task.Run(() => {
     SpeechRecEngine.SetInputToDefaultAudioDevice();
     SpeechRecEngine.LoadGrammar(new DictationGrammar());
}); 

簡単でしょ?

Dim SpeechRecEngine As New SpeechRecognitionEngine()
Task.Run(Sub()
              SpeechRecEngine.SetInputToDefaultAudioDeice()
              SpeechRecEngine.LoadGrammar(New DictationGrammar())
         End Sub)

一応F#も

let SpeechRecEngine : SpeechRecognitionEngine = new SpeechRecohnitionEngine()
async{
     SpeechRecEngine.SetInputToDefaultAudioDevice();
     SpeechRecEngine.LoadGrammar(new DictationGrammar());
}

async{}が便利

認識開始・終了

認識開始には、Recognize関数(非同期版はRecognizeAsync)、

非同期上での強制終了は、RecognizeAsyncCancel関数、

非同期上での認識操作の完了後に認識モードを開場するときはRecognizeAsyncStop関数を使います。

イベントたち

問題など報告系

• AudioLevelUpdated - オーディオ入力のレベルの報告


• AudioSignalProblemOccurred - オーディオ信号の問題の報告

非同期認識系

• RecognizeCompleted - 非同期操作の終了


• RecognizerUpdateReached - 非同期操作の一時停止


• SpeechDetected - 音声として識別できる入力が見つかった！

最低でも、RecognizeCompletedを使うことでしょう

 

<余談>

簡単でいいですね♪

これが、mono上でマルチプラットフォームで使えるといいですね～

UnityやCocosSharpも用い、声で操作するゲームなど、夢が広がリング！

(Mono TouchでSiriとかAndroidの音声エンジンとか扱えるのかな？)