连续听写

项目
04/06/2023

了解如何捕获和识别较长的连续听写语音输入。

重要 API：SpeechContinuousRecognitionSession、ContinuousRecognitionSession

在语音识别中，你已了解如何使用 SpeechRecognizer 对象的 RecognizeAsync 或 RecognizeWithUIAsync 方法捕获和识别相对较短的语音输入。例如，撰写短信 (SMS) 或进行提问时。

对于较长的连续语音识别会话（例如听写或电子邮件），则使用 SpeechRecognizer 的 ContinuousRecognitionSession 属性以获取 SpeechContinuousRecognitionSession 对象。

注意

听写语言支持取决于运行应用的设备。对于电脑和笔记本电脑，只能识别 en-US，而 Xbox 和手机可以识别语音识别支持的所有语言。有关详细信息，请参阅指定语音识别器语言。

设置

若要管理连续听写会话，你的应用需要几个对象：

SpeechRecognizer 对象的示例。
对要在听写期间更新 UI 的 UI 调度程序的引用。
用于跟踪用户累积说出的字词的方式。

此处，我们将一个 SpeechRecognizer 实例声明为代码隐藏类的私有字段。如果你希望连续听写在单个可扩展应用程序标记语言 (XAML) 页面之后持续，则你的应用需要将引用存储在其他位置。

private SpeechRecognizer speechRecognizer;

在听写期间，识别器会从后台线程引发事件。由于后台线程不能直接在 XAML 中更新 UI，你的应用必须使用调度程序才能更新 UI 以响应识别事件。

此处，我们声明一个私有字段，它将在之后通过 UI 调度程序进行初始化。

// Speech events may originate from a thread other than the UI thread.
// Keep track of the UI thread dispatcher so that we can update the
// UI in a thread-safe manner.
private CoreDispatcher dispatcher;

若要跟踪用户说出的内容，你需要处理由语音识别器所引发的识别事件。这些事件提供用户话语块的识别结果。

此处，我们使用 StringBuilder 对象保留在会话期间获取的所有识别结果。新结果将在处理后追加到 StringBuilder。

private StringBuilder dictatedTextBuilder;

初始化

在连续语音识别初始化期间，你必须：

提取 UI 线程的调度程序（如果在连续识别事件处理程序中更新你的应用的 UI）。
初始化语音识别器。
编译内置的听写语法。注意语音识别至少需要一个约束，才能定义可识别的词汇。如果未指定任何约束，将使用预定义的听写语法。请参阅语音识别。
为识别事件设置事件侦听器。

在此示例中，我们将在 OnNavigatedTo 页面事件中初始化语音识别。

因为由语音识别器引发的事件在后台线程上发生，所以请创建一个对调度程序的引用以更新 UI 线程。 OnNavigatedTo 始终在 UI 线程上调用。

this.dispatcher = CoreWindow.GetForCurrentThread().Dispatcher;

然后，我们初始化 SpeechRecognizer 实例。

this.speechRecognizer = new SpeechRecognizer();

我们再添加和编译语法，该语法定义所有可通过 SpeechRecognizer 识别的字词和短语。

如果未显式指定语法，则默认使用预定义听写语法。通常，默认语法最适用于常规听写。

此处，我们立即调用 CompileConstraintsAsync 而无需添加语法。

SpeechRecognitionCompilationResult result =
      await speechRecognizer.CompileConstraintsAsync();

处理识别事件

你可以通过调用 RecognizeAsync 或 RecognizeWithUIAsync 捕获单一、简要的话语或短语。

但是，为了捕获较长的连续识别会话，我们将指定在用户说话时要在后台运行的事件侦听器，并定义处理程序以构建听写字符串。

然后，我们使用识别器的 ContinuousRecognitionSession 属性来获取 SpeechContinuousRecognitionSession 对象，该对象提供用于管理连续识别会话的方法和事件。

两个事件尤其关键：

ResultGenerated，在识别器已生成一些结果时发生。
Completed，在连续识别会话已结束时发生。

当用户说话时引发 ResultGenerated 事件。识别器持续侦听用户，并定期引发一个传递语音输入块的事件。你必须使用事件参数的 Result 属性检查语音输入，并在事件处理程序中采取相应操作，例如将文本追加到 StringBuilder 对象。

作为 SpeechRecognitionResult 的实例，Result 属性可用于确定是否希望接受语音输入。 SpeechRecognitionResult 为此提供了两个属性：

Status 指示识别是否成功。识别失败的原因有多种。
Confidence 指示识别器正确理解字词的相对置信度。

下面是支持连续识别的基本步骤：

此处，我们在 OnNavigatedTo 页面事件中注册 ResultGenerated 连续识别事件的处理程序。

speechRecognizer.ContinuousRecognitionSession.ResultGenerated +=
        ContinuousRecognitionSession_ResultGenerated;

然后检查 Confidence 属性。如果 Confidence 的值是 Medium 或更好，我们便将文本追加到 StringBuilder。我们还在收集输入时更新 UI。

注意ResultGenerated 事件在不能直接更新 UI 的后台线程上引发。如果一个处理程序需要更新 UI（如同 [语音和 TTS 示例] 那样），则必须通过调度程序的 RunAsync 方法调度对 UI 线程的更新。

private async void ContinuousRecognitionSession_ResultGenerated(
      SpeechContinuousRecognitionSession sender,
      SpeechContinuousRecognitionResultGeneratedEventArgs args)
      {

        if (args.Result.Confidence == SpeechRecognitionConfidence.Medium ||
          args.Result.Confidence == SpeechRecognitionConfidence.High)
          {
            dictatedTextBuilder.Append(args.Result.Text + " ");

            await dispatcher.RunAsync(CoreDispatcherPriority.Normal, () =>
            {
              dictationTextBox.Text = dictatedTextBuilder.ToString();
              btnClearText.IsEnabled = true;
            });
          }
        else
        {
          await dispatcher.RunAsync(CoreDispatcherPriority.Normal, () =>
            {
              dictationTextBox.Text = dictatedTextBuilder.ToString();
            });
        }
      }

然后处理 Completed 事件，该事件指示连续听写的结尾。

当你调用 StopAsync 或 CancelAsync 方法时会话结束（在下一部分介绍）。在发生错误或用户停止说话时，会话也可以结束。检查事件参数的 Status 属性以确定会话结束的原因 (SpeechRecognitionResultStatus)。

此处，我们在 OnNavigatedTo 页面事件中注册 Completed 连续识别事件的处理程序。

speechRecognizer.ContinuousRecognitionSession.Completed +=
      ContinuousRecognitionSession_Completed;

事件处理程序检查“Status”属性，以确定识别是否成功。它还可处理用户已停止说话的情况。通常，将 TimeoutExceeded 视为成功的识别，因为这意味着用户已结束说话。你应该在代码中对这种情况进行处理以提供良好体验。

注意ResultGenerated 事件在不能直接更新 UI 的后台线程上引发。如果一个处理程序需要更新 UI（如同 [语音和 TTS 示例] 那样），则必须通过调度程序的 RunAsync 方法调度对 UI 线程的更新。

private async void ContinuousRecognitionSession_Completed(
      SpeechContinuousRecognitionSession sender,
      SpeechContinuousRecognitionCompletedEventArgs args)
      {
        if (args.Status != SpeechRecognitionResultStatus.Success)
        {
          if (args.Status == SpeechRecognitionResultStatus.TimeoutExceeded)
          {
            await dispatcher.RunAsync(CoreDispatcherPriority.Normal, () =>
            {
              rootPage.NotifyUser(
                "Automatic Time Out of Dictation",
                NotifyType.StatusMessage);

              DictationButtonText.Text = " Continuous Recognition";
              dictationTextBox.Text = dictatedTextBuilder.ToString();
            });
          }
          else
          {
            await dispatcher.RunAsync(CoreDispatcherPriority.Normal, () =>
            {
              rootPage.NotifyUser(
                "Continuous Recognition Completed: " + args.Status.ToString(),
                NotifyType.StatusMessage);

              DictationButtonText.Text = " Continuous Recognition";
            });
          }
        }
      }

提供正在进行的识别反馈

当用户对话时，他们通常将依赖上下文才能完全理解所说内容。同样，语音识别器通常需要上下文才能提供高可信度的识别结果。例如，除非可从前后的词语中收集到更多的上下文，否则词语“包含”和“包涵”本身是无法区分的。除非识别器已具有一定的置信度来确保字词已正确识别，否则它将不会引发 ResultGenerated 事件。

这可能会导致不理想的用户体验，因为他们仍在继续说话，但在识别器不足以具有能够引发 ResultGenerated 事件的置信度之前，不会提供任何结果。

处理 HypothesisGenerated 事件以改进这种明显的响应缺乏问题。只要识别器为要处理的字词生成一组新的潜在匹配，就会引发此事件。事件参数提供包含当前匹配的 Hypothesis 属性。在用户继续说话时向其展示这些匹配，向他们保证处理仍在进行。当置信度较高并已确定识别结果时，使用 ResultGenerated 事件中提供的最终 Result 替换临时的 Hypothesis 结果。

此处，我们将假设文本和一个省略号（“…”）追加到输出 TextBox 的当前值。从生成新的假设直到从 ResultGenerated 事件获取最终结果后，文本框内容才会更新。

private async void SpeechRecognizer_HypothesisGenerated(
  SpeechRecognizer sender,
  SpeechRecognitionHypothesisGeneratedEventArgs args)
  {

    string hypothesis = args.Hypothesis.Text;
    string textboxContent = dictatedTextBuilder.ToString() + " " + hypothesis + " ...";

    await dispatcher.RunAsync(CoreDispatcherPriority.Normal, () =>
    {
      dictationTextBox.Text = textboxContent;
      btnClearText.IsEnabled = true;
    });
  }

启动和停止识别

启动识别会话之前，检查语音识别器 State 属性的值。语音识别器必须处于 Idle 状态。

在检查语音识别器的状态之后，我们通过调用语音识别器的 ContinuousRecognitionSession 属性的 StartAsync 方法启动会话。

if (speechRecognizer.State == SpeechRecognizerState.Idle)
{
  await speechRecognizer.ContinuousRecognitionSession.StartAsync();
}

可以采用两种方法停止识别：

StopAsync允许任何挂起的识别事件完成（直到所有识别操作完成之前，都将继续引发 ResultGenerated）
CancelAsync立即终止识别会话并放弃任何挂起的结果。

在检查语音识别器的状态之后，我们通过调用语音识别器的 ContinuousRecognitionSession 属性的 CancelAsync 方法停止会话。

if (speechRecognizer.State != SpeechRecognizerState.Idle)
{
  await speechRecognizer.ContinuousRecognitionSession.CancelAsync();
}

注意

ResultGenerated 事件可在调用 CancelAsync 后发生。
由于多线程处理，当调用 CancelAsync 时，ResultGenerated 事件可能仍保留在堆栈上。如果如此，则仍引发 ResultGenerated 事件。
如果在取消识别会话时设置任何私有字段，请始终在 ResultGenerated 处理程序中确认它们的值。例如，如果在取消会话时将字段设置为 null，请勿假定字段在处理程序中进行初始化。

语音交互

示例

语音识别和语音合成示例

连续听写

设置

初始化

处理识别事件

提供正在进行的识别反馈

启动和停止识别

相关文章

反馈

其他资源