Windows语音识别（SAPI）来自文件的质量

Question

我正在尝试对音频流输入（通过UDP）执行语音识别。 我正在使用Microsoft语音识别（SAPI）。 当我使用麦克风测试语音识别时，我得到了很好的质量（在C＃和C ++中）。 但是，一旦此信息来自WAV文件（或来自UDP流的内存缓冲区），识别率就会急剧下降。 我试图以44100Hz的频率大胆地保存文件，还用C＃编写了自己的代码来编写WAV文件。 当然，我使用完全相同的麦克风，文件中的声音听起来不错。

SAPI可以为麦克风输入和文件输入使用不同的模型吗？ 有没有人遇到这个问题（并有解决方案）？

下面是我的C＃代码（尽管我在C ++中有完全相同的问题）。

SpeechRecognitionEngine recognizer = new SpeechRecognitionEngine(); Grammar dictationGrammar = new DictationGrammar(); recognizer.LoadGrammar(dictationGrammar); recognizer.SetInputToWaveFile("c:\\path\\to\\file.wav"); RecognitionResult result = recognizer.Recognize(); text1.Text = result.Text;

Answer 1

不知道为什么，但是将文件的幅度降低了10倍（ 使用C减少了Wav音频文件的音量中的使用代码）， 这对我很有帮助 。

也许，当SAPI收听麦克风时，它使用的音量减小了，因此在加载wav文件时也需要对其进行模拟。