音声認識 波形データを数値化することは可能なのか？

Question

いつもお世話になっております。
私はVisual Studio2015 for Windows Desktop 言語はC#を使い
マイクに向かって喋ったことを波形上にしてだすものを作成しました。

今回私が実装したい機能が波形データを数値化するということです。
もしマイクに「おはよう」と喋ったら「1150」と表示されるようなものです。

http://neareal.com/2262/
上記サイトが私のしたいことに近いと思ったのですが、

上記サイトの音声認識がとても不安定で「あ」と喋っても「を」とでたり
マイクをポンポン叩いたら「VIP」「VIPVIP」「VIPVIPVIP」とでるし正確ではないので

特定の単語を認識させるようにしたいです。例えば、「こんにちわ」だけ登録したら「こんにちわ」
以外の言葉には反応せず「こんにちわ」と喋ったら「こんにちわ」と表示するようにしたいです。

あと一つ気になったのですが
![
こんにちわのあとの隣の数字は何を表しているのでしょうか？

ご教授くださいませ。宜しくお願い致します。

Answer 1

こんにちは。

お望みのものは音声認識エンジンと思います。
無料のものでは実用になるものはないかも知れません。

ドラゴンスピーチがどうもメジャーらしいです。
また、Googleの音声認識も結構精度が高いと思います。

ここを見ると音声認識技術の難しさの雰囲気が伝わってくるかも。

Comments

[syosinsyapurogu]

Chironianさん
いつもお世話になっております。
Googleの音声認識の方が無料トライアルがあるみたいなので試してみます！
今の作業を始める前にNECのそのサイト見ましたが、確かに
音声認識技術は難しいですよね＾＾;

Answer 2

こんにちわのあとの隣の数字は何を表しているのでしょうか？

この点だけわかったので

RecognizedPhrase が特定の入力と一致する確率を表す値 (認識エンジンによって割り当てられます) を取得します。
語句の正しい認識の確実性の相対測定値。値は 0.0 から 1.0 までであり、低い数字ほど信頼度が低くなります。

引用元：RecognizedPhrase.Confidence プロパティ

参考：音声認識プログラミング - Confidence -

Comments

[syosinsyapurogu]

takitoさん
ご回答ありがとうございます。
一つの謎が解けたのでよかったです(^^)/