Почему значение распознавания речи Microsoft SemanticValue.Confidence всегда 1?

Question

Я пытаюсь использовать SpeechRecognizer с пользовательской грамматикой для обработки следующего шаблона:

«Можете ли вы открыть {item}?" где {item} использует DictationGrammar.

Я использую речевой движок, встроенный в Vista и .NET 4.0.

Я хотел был бы иметь возможность получить доверительные отношения для возвращаемого SemanticValues. См. Пример ниже.

---

Если я просто использовать «recognizer.AddGrammar (новый DictationGrammar())», я могу просматривать e.Results.Alternates и просматривать доверительные значения каждого заместителя. Это работает, если DictationGrammar находится на верхнем уровне .

Состоящая пример:

• Можете ли вы открыть Firefox? .95
• Можете ли вы открыть Fairfax? .93
• Можете ли вы открыть факс факсом? .72
• Можете ли вы создать Firefox? .85
• Можете ли вы связаться с Fairfax? .63

Но если построить грамматику, который ищет "Может вы открыты {semanticValue Key = 'пункт' GrammarBuilder = новый DictationGrammar()}?", То я получаю это:

• Может вы открываете Firefox? .91 - Семантика = {GrammarBuilder.Name = "вы можете открыть"}
• Можете ли вы открыть Fairfax? .91 - Семантика = {GrammarBuilder.Name = "вы можете открыть"}
• Можете ли вы открыть факс? .91 - Семантика = {GrammarBuilder.Name = "вы можете открыть"}
• Можете ли вы создать Firefox? .85 - Семантика = null
• Можете ли вы прикрепить Fairfax? .63 - Семантика = null

0,91 показывает мне, насколько уверенно, что он соответствует шаблону «Можете ли вы открыть {item}?». но не различает дальше.

Однако, если я потом посмотреть на e.Result.Alternates.Semantics.Where (s => s.Key == "элемент"), а также просматривать их доверие, я получаю это:

• Firefox 1,0
• Fairfax 1,0
• файл по факсу 1,0

Который не помогает мне много.

То, что я действительно хочу что-то вроде этого, когда я осматриваю Уверенность согласующих SemanticValues:

• Firefox +0,95
• Фэйрфакс.93
• файл факс .85

Похоже, что это должно работать таким образом ...

Я делаю что-то не так? Есть ли способ сделать это в рамках Speech?

---

Я надеюсь, что есть некоторые встроенные механизм, так что я могу сделать это «правильный» путь.

Что касается другого подхода, который, вероятно, работы ...

1. Используйте SemanticValue подход, чтобы соответствовать по образцу
2. Для чего-либо, что соответствует по этому образцу, извлекать необработанное аудио для {пункта } (используйте RecognitionResult.Words и RecognitionResult.GetAudioForWordRange)
3. Run необработанный звук для {п} через SpeechRecognizer с DictationGrammar, чтобы получить доверие

... но это больше обработки, чем я действительно хочу.

Answer 1

Я думаю, что грамматика диктовки только транскрипция. Он делает речь в тексте без выделения семантического значения, потому что по определению грамматика диктовки поддерживает все слова и не имеет никаких подсказок для вашего конкретного семантического сопоставления. Для извлечения семантического значения вам нужно использовать собственную грамматику. Если вы поставляете грамматику SRGS или создаете ее в коде или с помощью инструментов SpeechServer, вы можете указать семантические сопоставления для определенных слов и фраз. Затем распознаватель может извлечь семантический смысл и дать вам семантическую уверенность.

Вы должны иметь возможность получить значение доверия от распознавателя при распознавании, попробуйте System.Speech.Recognition.RecognitionResult.Confidence.

В файле справки, поставляемом с Microsoft Server Speech Platform 10.2 SDK, содержится более подробная информация. (это приложение Microsoft.Speech API для серверов, которое очень похоже на API System.Speech для клиентских приложений). См. (http://www.microsoft.com/downloads/en/details.aspx?FamilyID=1b1604d3-4f66 . -4241-9a21-90a294a5c9a4) или документация Microsoft.Speech на http://msdn.microsoft.com/en-us/library/microsoft.speech.recognition.semanticvalue(v=office.13).aspx

для SemanticValue класса он говорит:

все речи на базе платформы распознавания двигателей вывода обеспечивают допустимые экземпляры в SemanticValue для всех признали вывод, даже фразы без явного семантическая структура.

SemanticValue экземпляр для фразы, полученный с использованием семантики свойства на RecognizedPhrase объекта (или объекты, которые наследуют от его, таких как RecognitionResult).

SemanticValue объекты, полученные для признанных фраз без семантической структуры характеризуются:

не имеющие детей (граф 0)

Свойство Значение является недействительным.

Искусственного уровень достоверности 1,0 (возвращаемый Confidence)

Как правило, приложения создают экземпляр SemanticValue косвенно добавлять их к объектам грамматики использования SemanticResultValue и SemanticResultKey экземпляров в вместе с, Выбор и Объекты GrammarBuilder.

Прямого строительство SemanticValue полезно во время создания сильно типизированных грамматик

При использовании SemanticValue функции в грамматике вы, как правило, пытаетесь сопоставить различные фразы одного значения. В вашем случае фраза «I.E» или «Internet Explorer» должна совпадать с тем же смысловым значением. Вы настраиваете выбор в своей грамматике, чтобы понимать каждую фразу, которая может отображаться в определенном смысле. Вот простой пример Winform:

private void btnTest_Click(object sender, EventArgs e) 
{ 
    SpeechRecognitionEngine myRecognizer = new SpeechRecognitionEngine(); 

    Grammar testGrammar = CreateTestGrammar(); 
    myRecognizer.LoadGrammar(testGrammar); 

    // use microphone 
    try 
    { 
     myRecognizer.SetInputToDefaultAudioDevice(); 
     WriteTextOuput(""); 
     RecognitionResult result = myRecognizer.Recognize();    

     string item = null; 
     float confidence = 0.0F; 
     if (result.Semantics.ContainsKey("item")) 
     { 
      item = result.Semantics["item"].Value.ToString(); 
      confidence = result.Semantics["item"].Confidence; 
      WriteTextOuput(String.Format("Item is '{0}' with confidence {1}.", item, confidence)); 
     } 

    } 
    catch (InvalidOperationException exception) 
    { 
     WriteTextOuput(String.Format("Could not recognize input from default aduio device. Is a microphone or sound card available?\r\n{0} - {1}.", exception.Source, exception.Message)); 
     myRecognizer.UnloadAllGrammars(); 
    } 

} 

private Grammar CreateTestGrammar() 
{       
    // item 
    Choices item = new Choices(); 
    SemanticResultValue itemSRV; 
    itemSRV = new SemanticResultValue("I E", "explorer"); 
    item.Add(itemSRV); 
    itemSRV = new SemanticResultValue("explorer", "explorer"); 
    item.Add(itemSRV); 
    itemSRV = new SemanticResultValue("firefox", "firefox"); 
    item.Add(itemSRV); 
    itemSRV = new SemanticResultValue("mozilla", "firefox"); 
    item.Add(itemSRV); 
    itemSRV = new SemanticResultValue("chrome", "chrome"); 
    item.Add(itemSRV); 
    itemSRV = new SemanticResultValue("google chrome", "chrome"); 
    item.Add(itemSRV); 
    SemanticResultKey itemSemKey = new SemanticResultKey("item", item); 

    //build the permutations of choices... 
    GrammarBuilder gb = new GrammarBuilder(); 
    gb.Append(itemSemKey); 

    //now build the complete pattern... 
    GrammarBuilder itemRequest = new GrammarBuilder(); 
    //pre-amble "[I'd like] a" 
    itemRequest.Append(new Choices("Can you open", "Open", "Please open")); 

    itemRequest.Append(gb, 0, 1); 

    Grammar TestGrammar = new Grammar(itemRequest); 
    return TestGrammar; 
}