[Vlad_Bohdan]

Уважаемые господа-программисты!

Я хочу реализовать простейшее распознавание 2-3 команд в программе. То есть пользователь говорит в микрофон, а программа сравнивает записанный звук со списком команд: допустим их будет 2: старт и стоп. И в зависимости от того, что больше похоже, выполняет определённое действие.

Подскажите, как можно такое реализовать?????

[NumLock]

смотри в сторону Speech API.

Microsoft Speech Application Programming Interface (Speech API, SAPI) — библиотека программ для Windows, позволяющая распознавать и синтезировать голос в приложениях для этой операционной системы.

[Vlad_Bohdan]

Это я понимаю, но не могли бы вы подробнее расписать как это осуществить???
(Все нужные компоненты уже установлены)

[Страдалецъ]

Читайте себе на здоровье.

[Vlad_Bohdan]

Всё это конечно очень хорошо... однако там речь идёт о том, чтобы программа озвучивала текст, мне же требуется народ: не текст в речь, а речь в текст, пусть и с 2-3мя командами.

[Страдалецъ]

Ладно, надеюсь меня не накажут за данную ссылку. Почитайте, возможно все что вам нужно там есть. А вообще поиском пользуйтесь, почему я эту инф унашел сразу, а вы нет?

[AlexSku]

SpeechAPI работает в обоих направлениях. И они описаны в книге Буторина (у меня книжный вариант "MS Agent и SpeechAPI в Delphi"). Правда, говорить компьютер может на любом языке, а вот распознавание (dll сторонних фирм) предлагается пока только на английском (плюс китайский, японский). Поэтому у вас два варианта: или говорить по-английски "Stop", "Start" (к счастью, отличий нет кроме акцента), ну и добавим "Hello" или ввести в словарь свои слова (для последнего случая): "Privet".
Вот, кстати, фрагмент программы из книги Буторина, которая по командам "red", "green", "blue" меняет цвет формы:

Код:

function TVCmdNotifySink.CommandRecognize(dwID: DWORD; pvCmdName: PVCmdNameA; pdwFlags: PDWORD;
      dwActionSize: DWORD; pAction: pointer; dwNumLists: DWORD;
      pszListValues: PAnsiChar; pszCommand: PAnsiChar): HResult; stdcall;
begin
  Result := S_OK;
  fForm.AddLog(Format('Команда: App = %s, State = %s, Cmd = %s, Id = %d',
    [pvCmdName.szApplication, pvCmdName.szState, pszCommand, dwId]));
  case dwID of
    1: fForm.Color := clRed;
    2: fForm.Color := clGreen;
    3: fForm.Color := clBlue;
  end
end;

Для товарищей, любящих русский, можно было ввести команды "Krasnyi", "Zelyonyi", "Siniy" (я не пробовал)

[AlexSku]

При работе с распознаванием всплывут ещё такие проблемы:
1) шум. Вы используете два режима. Для включения режима распознавания надо щёлкнуть кнопку или сказать какое-нибудь специальное слово (у MS Agent'а это может быть его имя или команда "Слушай!"). Как только команды поданы надо опять переводить компьютер в режим "глухого". Есть ещё вариант, каждую команду подтверждать, правда, я с этим замучился. Агент правильно понимал команду, но часто не не понимал подтверждения и поэтому команда не исполнялась.

2) Распознавание идёт с ошибками, поэтому надо изучить процедуру обучения (для конкретного голоса).

[Vlad_Bohdan]

AlexSku, а какой компонент нужно вынести на форму??

[angvelem]

Лень, конечно, двигатель прогресса, но не до такой же степени, чтобы не разобраться самому или прочитать справку.

[AlexSku]

Сообщение от Vlad_Bohdan

AlexSku, а какой компонент нужно вынести на форму??

Никаких особых не нужно. Нужно только подключения к COM-объектам (интерфейсы).
Вот скриншот (кстати, в Висте надо запускать от имени Администратора):

VoiceCmd.jpg

[Vlad_Bohdan]

Хорошо.
И ещё вопрос не по распознаванию. а по синтезу речи. скинул очень хороший исходник подобной программы. Однако проблема: в uses перечислен speech и его выделяет компилятор как ошибку, то есть что то недоустановлено. подскажите, что именно:
выводит ошибку "отсутствует файл speech.dcu"

[AlexSku]

У Буторина есть такой файл. Вот, посылаю:

Speech.zip

[Vlad_Bohdan]

спасибо, посмотрим)

[ALexandr555]

Speech API хорошая штука, но вот нету документации по поводу Grammar

хотелось бы использовать конструкции по сложнее простых

[Grammar]
LangID=1033
Type=cfg

[<Start>]
<Start> = слово1
<Start> = слово2
<Start> = слово3...