为什么我的 Microsoft 语音识别结果的置信度始终等于 -1？

Question

我正在使用 Microsoft Speech SDK 来实现一个使用语音识别的软件。

我为识别引擎提供了一个非常正常的语法，但是当启动引擎并说出正确的内容时，它会识别我所说的内容，但返回的 Result 对象的 Confidence 值为 -1。

此外，结果中包含的所有 SemanticValue 对象也具有 -1 置信度。

我在相关的MSDN页面中找不到这种结果的含义，实际上只是写了典型的置信度值应该在0到1之间。

-1 值是什么意思？和语法有关系吗？

编辑：附加信息：

• 我正在使用 System.Speech 类与语音识别引擎进行交互。
• 识别引擎是Microsoft English Recognizer v5.1。
• 我在 XP 上运行程序，因此 Speech SDK 也是 5.1。
• 输入是麦克风输入：我没有发现向这个识别引擎提供文件的可能性，尽管它对我有很大帮助。

Answer 1

在 SAPI 中，SREngineConfidence 尝试将短语置信度从供应商特定的语音引擎传递到与引擎无关的 SAPI 客户端。 SREngineConfidence 在“Microsoft Speech SDK Version 5.1 SR Engine Vendor Porting Guide”中描述了一些有趣的行为

http://msdn.microsoft.com/en-us/library/ee431799(v=VS.85).aspx#_Toc503606917 说：

置信度得分是可能的 应包含的信息 识别结果。在每个短语上 元素有两个信心 引擎可以设置的字段。这些 既有信心（三级） 字段和 SREngineConfidence （浮点）字段。如果发动机 没有明确设置任何这些 值，SAPI 将尝试并产生 合理的默认值。它 将产生置信度值 平均每个级别的 短语或属性中的单词，以及 它将设置 SREngineConfidence 值为 -1.0。

后来又说：

如果未使用此字段，则 引擎将此置信度设置为 -1.0。

http://gotspeech.net/forums/thread/3613.aspx 是另一个可能让您有所了解的资源。一篇文章说：

原则上，SREngineConfidence score 是一个介于 0.0 和 1.0 之间的值 {更高的价值意味着更高 信心}。但是旧版本的 像 5.1 这样的 SR 引擎不尊重这一点 精确地合同，我不认为 该值确实可以与 那些引擎。只有 Hi、Medium、 其他信心得分低 字段可用。

如果我没记错的话，你需要更多 最新版本的 SR 引擎，例如 Microsoft 附带的版本 Office 2003 或 Vista 获得 中有意义的数字 SREngineConfidence 字段。

编辑：

我相信 System.Speech.Recognition 确实是一个围绕 SAPI 的 .net 包装器（请参阅http://msdn.microsoft.com/en-us/magazine/cc163663.aspx）。我怀疑上面引用的描述置信度为 -1 的 cmets 可能仍然适用于使用 System.Speech 的您。我猜您看到的 -1 与提到的问题相同。

我的理解是 XP 不包含识别器。 Microsoft Office 的版本随之而来。因此，我不确定您真正运行的是哪个识别器引擎。你有没有安装Office 2003？或者您是否安装了像 Dragon 这样的 3rd 方引擎？

你说你安装了识别器 5.1。上面的 GotSpeech.NET 链接说：

但是旧版本的 SR 引擎 像 5.1 不履行这个合同 确切地说，我认为没有价值 真的可以和那些引擎一起使用。

我建议尝试以下方法：

• 在较新的机器上测试相同的代码，可能是 Vista 或 Windows 7，并查看置信度级别是否正常工作。 Vista 及更高版本包括识别器引擎。
• 尝试安装更新版本的识别器。您可以安装 UCMA 或 http://www.microsoft.com/downloads/en/details.aspx?FamilyID=bb0f72cb-b86b-46d1-bf06-665895a313c7。请注意，这些使用命名空间 Microsoft.Speech 而不是 System.Speech。见What is the difference between System.Speech.Recognition and Microsoft.Speech.Recognition?

还有一件要添加的。这是一个从 wav 文件中识别的简短示例：

    SpeechRecognitionEngine myRecognizer = new SpeechRecognitionEngine();
    Grammar myGrammar = CreatePizzaGrammar();       // uses GrammarBuilder to create a pizza ordering grammar
    myRecognizer.LoadGrammar(myGrammar);
    myRecognizer.SetInputToWaveFile("LargeCheese.wav");     // recording of ordering a pizza
    RecognitionResult result = myRecognizer.Recognize();
    string s = result.Text;
    float confidence = result.Confidence;