网络浏览器中有限单词的（连续）语音识别答案

【问题标题】：(Continuous) speech-recognition of limited words in the web-browser网络浏览器中有限单词的（连续）语音识别
【发布时间】：2014-01-16 19:18:19
【问题描述】：

有没有语音识别的解决方案

我尝试搜索，但只找到了实际的转录服务（例如 Android 版 Google 语音搜索）。

【问题讨论】：

【解决方案1】：

这种解决方案的一个示例是touchless-timer，它基于pocketsphinx.js（在 Nikolay Shmyrev 的帖子中也提到过）。要回答您的要点：

它支持约 60 个单词的简单闹钟语法（例如“五分钟后叫醒我”等短语）；
我已经设法在 Chrome Beta 32.0.1700.99 Android 4.1.2（在三星 Galaxy S2 上）运行它，它需要现代 Javascript 引擎，但不需要 Flash；
它不需要服务器，因为语音识别是在 Javascript 中离线完成的，所有需要的文件都可以使用 ApplicationCache 缓存。

对于这个应用程序，语法是用Grammatical Framework 编写的，并自动转换为pocketsphinx.js 所需的有限状态模型和字典。对于简单的“MP3 播放/暂停”语法，您可以轻松地直接编写 FSA。

这个应用程序中的英语声学模型不是很好，即他们可能会被背景播放的 MP3 弄糊涂。您可以通过训练更好的模型来改进这一点。但是，更好的模型可能会更大（例如，在 Javascript 中 > 20 MB）并且不再适合内存，或者只是让应用程序运行/加载非常缓慢。

在移动设备上运行的应用的屏幕截图：

【讨论】：

【解决方案2】：

现在你甚至不需要服务器来运行语音识别，你只需要一个支持 Web Audio API 的浏览器（最近的 firefox 和 chrome 都支持它）。 CMUSphinx 现在可以在您的浏览器中使用 javascript 执行。

【讨论】：

这对我在带有 Firefox 或 Chromium 的 Xubuntu 上不起作用。在 Chromium Flash 中，没有响应单击以允许权限。在 Firefox 中有效，但在自动或手动模式下似乎没有发生任何事情。
嘿，过去两年发生了很多变化。我已经更新了答案，请尝试一种新的客户端技术，它应该可以在没有 Flash 的情况下工作。
我也不认为它可用。我尝试过，第一次几乎可以正常工作，但识别出错误的数字，（以及速度很慢），之后，即使刷新后，我也无法让它做任何事情。我不会删除旧的解决方案：至少这有可能在 Firefox 中工作。