将识别的语音与已知文本进行比较的最佳方法

Question

给定我希望用户阅读（或多或少准确）的已知手稿（文本），识别用户在手稿中的进度的最佳方法是什么？

当我在 iOS 上寻找特定的解决方案时，我也对更一般的答案感兴趣。

iOS 提供了一个名为Speech 的语音识别框架，我可以使用它来识别任何语音。我目前的方法是使用该框架的字符串结果将它们与手稿进行匹配。但是，在我看来，这似乎有相当多的开销，并且当我第一次向语音识别器提供预期的单词时，它会节省资源并提高精度，以便它“知道”要听什么。

例如，当手稿中的下一个词是“鱼”时，我不会 需要语音识别器来搜索整个英语 字典中最匹配录制音频的单词——我只 需要得到一个概率值，用户刚刚 说“鱼”。

我认为它与关键字识别非常相似，只是我不仅识别了几个关键字，而且识别了整个手稿中的单词。

很遗憾，我一直无法在 iOS 上找到这样的 API。有没有比上述方法更好的方法来实现这种“语音跟踪”？

Answer 1

但是，在我看来，这样的开销相当大，而且当我第一次向语音识别器输入预期的单词时，它会节省资源并提高精度，以便它“知道”要听什么。

也许会，但语音框架无法让你这样做，所以你不能。