我目前正在开发一种工具，通过连接到不同的 API，我可以读取我的所有通知。
效果很好，但现在我想发出一些声音命令来执行一些操作。
就像当软件说“一封来自 Bob 的邮件”时，我想说“阅读”或“存档”。
我的软件通过节点服务器运行，目前我没有任何浏览器实现，但它可以是一个计划。
在节点 JS 中启用语音到文本的最佳方式是什么？
我已经看到了很多关于它的线程，但主要是使用浏览器，如果可能的话，我想在一开始就避免这种情况。有可能吗？
另一个问题是某些软件需要输入 wav 文件。我没有任何文件，我只想让我的软件始终聆听我所说的内容，以便在我说出命令时做出反应。
你有任何关于我如何做到这一点的信息吗？
干杯
【问题讨论】：
标签： node.js speech-recognition speech-to-text
要将音频数据导入您的应用程序，您可以尝试使用 microphone 之类的模块，我没有使用它，它看起来很有希望。这可能是一种避免使用浏览器进行音频输入的方法。
要进行实际的语音识别，您可以使用 IBM Watson Developer Cloud 的 Speech to Text 服务。该服务支持websocket interface，因此您可以拥有全双工服务，将音频数据传输到云端并取回结果转录。您可能需要考虑实现onset detection 的形式，以避免向服务传输大量（相对）静默 - 这样，您就可以留在免费套餐内。
还有一个文本转语音服务，但听起来您已经为工具的这一部分提供了解决方案。
披露：我是 IBM Watson 的传道者。
【讨论】：
要识别一些命令而不将它们流式传输到服务器，您可以使用node-pocketsphinx 模块。 Available 在 NPM 中。
识别连续流中少量命令的代码应如下所示：
var fs = require('fs');
var ps = require('pocketsphinx').ps;
modeldir = "../../pocketsphinx/model/en-us/"
var config = new ps.Decoder.defaultConfig();
config.setString("-hmm", modeldir + "en-us");
config.setString("-dict", modeldir + "cmudict-en-us.dict");
config.setString("-kws", "keyword list");
var decoder = new ps.Decoder(config);
fs.readFile("../../pocketsphinx/test/data/goforward.raw", function(err, data) {
if (err) throw err;
decoder.startUtt();
decoder.processRaw(data, false, false);
decoder.endUtt();
console.log(decoder.hyp())
});
您只需从麦克风读取数据并将其传递给识别器，而不是 readFile。要检测的关键字列表应如下所示：
read it /1e-20/
archive it /1e-20/
有关使用 pocketsphinx 进行定位的更多详细信息，请参阅 Keyword Spotting in Speech 和 Recognizing multiple keywords using PocketSphinx
【讨论】：
这里的两个答案都很好，但我认为您正在寻找的是Sonus。它会为您处理音频编码和流式传输。它总是在离线收听可自定义 热词（如 Siri 或 Alexa）。您还可以以编程方式触发侦听。结合say 之类的模块，您可以通过执行以下操作来启用您的示例：
say.speak('One mail from Bob', function(err) {
Sonus.trigger(sonus, 1) //start listening
});
您还可以使用不同的启动词以不同的方式处理后续识别的语音。例如：
“通知。最近的。”和“发送消息。你今天好吗”
将它扔到桌面上带有麦克风的 Pi 或 CHIP 上，您就有了一个个人助理，可以读取您的通知并对命令做出反应。
简单示例：
https://twitter.com/_evnc/status/811290460174041090
稍微复杂一点：
https://youtu.be/pm0F_WNoe9k?t=20s
完整文档：
https://github.com/evancohen/sonus/blob/master/docs/API.md
免责声明：这是我的项目 :)
【讨论】：
say 包用于语音合成。