在 iOS 中同时管理文本到语音和语音识别

Question

我希望我的iOS 应用程序使用文本转语音向用户读取它从服务器接收的一些信息，并且我还希望允许用户通过语音停止此类语音命令。我已经尝试过像OpenEars 这样的iOS 语音识别框架，我发现问题在于它正在侦听和检测应用程序本身“说”的信息，并且它干扰了用户语音命令的识别。

有人在iOS 中处理过这种情况并找到了解决方案吗？在此先感谢

Answer 1

实现起来并不是一件小事。不幸的是，iOS 和其他人记录了通过扬声器播放的声音。您唯一的选择是使用耳机。在这种情况下，语音识别可以继续监听输入。除非插入耳机，否则在 TTS 期间 Openears 中的识别被禁用。

如果你仍然想实现这个被称为“介入”的功能，你必须做以下事情：

1. 存储您通过麦克风播放的音频
2. 实施降噪算法，有效地从录音中删除音频。您可以使用互相关在录音中找到适当的偏移量，并使用频谱减法来去除音频。
3. 识别剩余信号中的语音。

如果不对 openears 源进行重大修改，就不可能做到这一点。

相关问题是Android Speech Recognition while music is playing