我想实现以下想法。我需要我的用户打开网页或移动应用程序并说点什么。用户的语音会被记录下来并发送到本地服务器,我希望服务器处理它并生成一些语音输出。使用哪种语音识别系统?
我的问题是下一:
哪个语音识别API使用?在我的情况下,音频文件将被发送到服务器 ,之后它将被处理。
我需要识别姓名和姓氏。这是一个潜在的问题,因为我不住在说英语的国家,并且姓名和姓氏对说英语的人来说可能是相当陌生的。我想通过在语音识别系统的“词典”中添加所需的姓名和姓氏来实现这一点,所以我需要一个可以扩展它的词典的词典。
我需要一个自由的决定。
那么,我应该在执行我的想法时使用哪种语音识别API?