cloud - 服务器端语音识别

Question

有人知道已经托管的任何好的服务器端语音识别引擎吗？ IE。我希望能够调用一个简单的 Web API 来发布一些声音数据并获取文本。不一定是免费的 - 但希望可以自由地进行实验。

Answer 1

有多种 IVR 服务将整个 VOIP session (电话调用)作为一个完整的应用程序托管，而不是“按菜单点菜”提供单独的服务交易。如果您想让您的程序看起来像 VOIP 调用，您也许可以使用其中一些服务来完成它。

Voxeo发布了list of free (and low cost) IVR hosting providers面向有限使用的开发人员。毫不奇怪，所有这些都需要注册。

• VoiceGenie Developer Workshop (并入 Genesys)
• Loquendo C@fé 状态未知
• Nuance Café (Bevocal)现在Nuance On-Demand
• Plum Voice Hosting现在Plum DEV
• VOICE Testcenter of the VOICE Community

另一种可能性是直接询问 Vlingo , Twilio ，或Tropo因为他们可能会卖给你你所需要的东西。

更新:2012 年 7 月 25 日

AT&T 已宣布推出 Speech API在 。您向其发送音频 – 它会返回 XML 或 JSON 数据格式的文本。另请参阅developer site 。

更新:2012 年 8 月 27 日

另一种可能性是Dragon Mobile SDK来自 Nuance，它的目标客户是寻求 API 的个人开发者，该 API 可为消费者应用程序提供语音和/或文本转语音功能。

更新:2012 年 9 月 21 日

似乎有几个新的提供商可以提供您正在寻找的东西:语音样本输入、文本输出。 Programmable Web 上列出了以下内容:

• iSpeech
• SpeechAPI
• OneTok
• AISpeech API
• NexiWave

另请注意 Loquendo现在是 Nuance 的一部分。

更新:2013 年 6 月 27 日

AT&T 的语音 API 有 few targeted SDKs ( Android 、iOS、PhoneGap、Titanium、Windows) - 其中一些托管在 GitHub 上。甚至还有source for a Unity 3D demo 。

更新:2014 年 1 月 23 日

OneTok已将其产品重新设计为适用于 iOS 和 Android 的 SDK。

显然，Voice Genie 产品已被 Genesys 彻底消化。以至于几乎找不到它的踪迹。鉴于 Genesys 面向大型企业的定位，很难知道他们是否有任何小批量或商品产品。

Plumvoice似乎扩大了他们的产品范围。

与之前的许多一样，Vlingo现在是 Nuance 的一部分。

(我尝试更新原始答案中任何损坏的链接。)

更新:2015 年 10 月 31 日

保持这个答案最新是一项西西弗斯式的任务。

Voxeo 的免费(且低成本)IVR 托管提供商列表现已重定向至 AT&T Speech API ，完全披露，我现在在其中有实质性参与，因此，我无法在不质疑我的可信度的情况下提供几乎任何内容的链接。

也就是说，语音/NLP 市场上有很多参与者。尽职尽责。

更新:2016 年 4 月 8 日

现在Google is totally upsetting the apple cart 。