使用哪种语音识别系统？

Question

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。

我的问题是下一：

1. 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。

2. 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。

3. 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？

Answer 1

我在过去使用CMU Sphinx toolkit进行语音识别时已取得成功。我在Android应用程序中使用了它的变体。如果我没有记错，它确实允许创建一个特定单词字典来查找，以便它可以满足您的需求。

Answer 2

我建议你看看Nuance的Speech API。他们有最好的市场，并可在任何平台上使用。我们将它们用于我们的产品LinguSocial，该产品可为手机提供接近实时的语音通话翻译功能，并提供机器翻译的视频聊天。