经验862 米
在线时间3 小时
版本4.8.22
积分 730, 距离下一级还需 1270 积分
积分 730, 距离下一级还需 1270 积分
机型小米手机3/4 WCDMA版
签到次数90
MIUI版本4.8.22
小米手机3 CDMA
手机QQ语音的时候，对方听不到我的声音。
我想知道有没有人和我出现一样的情况呢，是手机的问题还是QQ的问题呢，手机在进行其他语音的时候没有任何问题。
遇到的人越多，MIUI开发组会越关注
经验211 米
在线时间3 小时
版本4.10.31
积分 140, 距离下一级还需 60 积分
积分 140, 距离下一级还需 60 积分
机型小米手机3/4 WCDMA版
签到次数18
MIUI版本4.10.31
通过手机发布
安全中心里的权限设置禁止了语音通话！
经验489 米
在线时间24 小时
版本JHCCNBF37.0
积分 534, 距离下一级还需 1466 积分
积分 534, 距离下一级还需 1466 积分
机型红米手机1/1S
MIUI版本JHCCNBF37.0
在设置里有一个语音的，那里的科大讯飞语音引擎没开启
经验862 米
在线时间3 小时
版本4.8.22
积分 730, 距离下一级还需 1270 积分
积分 730, 距离下一级还需 1270 积分
机型小米手机3/4 WCDMA版
签到次数90
MIUI版本4.8.22
在设置里有一个语音的，那里的科大讯飞语音引擎没开启
没有找到啊
经验862 米
在线时间3 小时
版本4.8.22
积分 730, 距离下一级还需 1270 积分
积分 730, 距离下一级还需 1270 积分
机型小米手机3/4 WCDMA版
签到次数90
MIUI版本4.8.22
安全中心里的权限设置禁止了语音通话！
我没有看到有设置啊，麻烦说的详细一点好吗，谢谢了！
经验489 米
在线时间24 小时
版本JHCCNBF37.0
积分 534, 距离下一级还需 1466 积分
积分 534, 距离下一级还需 1466 积分
机型红米手机1/1S
MIUI版本JHCCNBF37.0
没有找到啊
语言和输入法---文字转换语音（TTS）输出---科大讯飞语音引擎，这个选中开启
经验862 米
在线时间3 小时
版本4.8.22
积分 730, 距离下一级还需 1270 积分
积分 730, 距离下一级还需 1270 积分
机型小米手机3/4 WCDMA版
签到次数90
MIUI版本4.8.22
语言和输入法---文字转换语音（TTS）输出---科大讯飞语音引擎，这个选中开启 ...
经验211 米
在线时间3 小时
版本4.10.31
积分 140, 距离下一级还需 60 积分
积分 140, 距离下一级还需 60 积分
机型小米手机3/4 WCDMA版
签到次数18
MIUI版本4.10.31
通过手机发布
经验211 米
在线时间3 小时
版本4.10.31
积分 140, 距离下一级还需 60 积分
积分 140, 距离下一级还需 60 积分
机型小米手机3/4 WCDMA版
签到次数18
MIUI版本4.10.31
通过手机发布
经验211 米
在线时间3 小时
版本4.10.31
积分 140, 距离下一级还需 60 积分
积分 140, 距离下一级还需 60 积分
机型小米手机3/4 WCDMA版
签到次数18
MIUI版本4.10.31
通过手机发布
已关注微信
关注新浪微博
已关注新浪微博
Copyright (C) 2014 MIUI 京ICP备号48943人阅读
Android中文语音合成（TTS）各家引擎对比
Yao.GUET ,转载请注明出处：
Android系统从1.6版本开始就支持TTS（Text-To-Speech），也就是我们所说的语音合成，不过遗憾的是系统默认的TTS引擎:Pico TTS，并不支持中文。
由此对于广大的炎黄子孙不得不安装我们自己的TTS引擎跟语言包，由此而拉开本文的篇章。
随着IPhone4S Siri的推出，让语音识别与语音合成TTS火了一把，同时也给国内的两家公司：科大讯飞和捷声华通，带来了很大的关注。这两家都是做中文语音识别与语音合成的。在这里只是讨论一下中文语音合成，至于中文语音识别，应该这两家也是提供了网络识别的类库的，就不在本篇讨论的范围了。
中文语音合成（TTS），可以分为两大类吧，一类是跟系统接口吻合的，一类是不与系统接口吻合的。
如果是跟系统接口吻合的都是把TTS引擎跟语言包数据分开。像系统默认的Pico TTS, SVOX, 科大讯飞等就是这样。它的好处应该是可以通过系统提供的接口去使用TTS功能，也便于做多国语言的拓展。但是这样的话，估计也会存在一些不便，例如，设置语音朗读的角色跟设置语速的快慢就得通过系统的接口去设置。
另外一类就是不跟系统吻合的，这种大部分都是会把引擎和语言包打包成一个apk包，然后安装完之后，通过指定的接口去调用其所提供的中文语音合成功能。
除了这两类方法之外，还有一些是直接把TTS功能做成共享库so文件，然后通过NDK去调用TTS的功能。这一种就比较好，因为不需要额外的再安装TTS引擎跟语言包，并且可以直接在应用里面设置朗读人是男声还是女声，语速等。像旧版本的科大讯飞就是以这种形式出现的，比较有代表的应用是“听书”或者“vBook”，大家可以找到这两个应该学习一下，因为NDK的接口不是很复杂，但是有可能会时不时蹦出“科大讯飞XXXX”的广告来，啊哈～～
这两类TTS引擎，各有所长吧，大家可以根据自己的需要去使用相应的TTS，不过各家TTS质量可是有很大的差别的哦～～～
下面来讨论一下菜单上有名的中文语音合成TTS，以及各自的差异。
先说第一类，跟系统接口吻合的。
一，讯飞语音TTS1.0
这个原来讯飞是没有这个与系统接口吻合的TTS的，原来是以动态库的形式的，最近才以这种apk的形式华丽登场，合成的效果清晰流畅，不生硬，英文也读得挺好的，听起来很舒服，，，
谁有需要可以去酷安网下载试用一下，记得下载语言包哦～.
开始没有讯飞的时候，用了一下SVOX，这个也做得很强大，N多的语言支持，中文不仅支持普通话，还支持广东话！不过有一些感觉吐字不是很清晰，听感不是很好，不过还好，因为大部分是可以听得懂的，下载地址：
三，三星TTS
三星TTS，支持韩文，中文跟英文，每一字吐字还比较清晰，但是连起来的时候，不是很顺畅，大家可以自己感受一下。
安装apk，然后把SMT文件夹整个拷贝到SD卡的根目录
下载地址是：
第二类是以独立的apk形式存在的主要在下面的两种
一，捷通华声
捷通华声也是中文语音做得比较好的，跟科大讯飞有得一拼。它的调用方法是使用java的反射机制来使用已经安装的TTS类。需要学习一下“捷通华声听书”才能大概知道怎么使用该TTS，不过也还好，因为通常学习过来不会太长，，，
里面可爱宝宝的声音比较好玩，但是好像用宝宝声音读英语会出问题
捷通华声TTS语音包下载地址：
捷通华声听书下载地址： （要使用捷通华声TTS，这个是必要的学习工具哦～～）
二，手说TTS
手说也是独立安装的一个TTS引擎，目前好像只支持中文语言。它接口公开，语音质量还行，呵呵，它的使用方法在例程里面有很详细的介绍，大家有兴趣可以看一下，
手说的主页：
对于第一种作为切合系统接口的TTS中文引擎，安装之后，需要安装语言包，然后还得简单的设置一下才可以使用，方法如下：
设置－》语音输入与输出－》文字转语音设置，把对应的TTS引擎后面的勾，勾上，再在“默认引擎”里面设置你所需要的TTS，然后就可以聆听示例了。
而对于第二种，一般都会带有一个activity可以聆听示例的。
如果已经设置好系统默认的TTS引擎跟语言，调用系统TTS接口极其简单，就下面几句话：
初始化TTS引擎
TextToSpeech mTTS ＝ new TextToSpeech(this, initListener);
文字到语音
mTTS.speak(&中文TTS&, TextToSpeech.QUEUE_FLUSH, null);
mTTS.shutdown();
当然要写好还得考虑没有安装TTS引擎或语言包的情况，上面只是一个小小的示例。。。
最后，个人感觉科大讯飞的中文TTS，跟捷通华声的音色都比较自然，应该是目前所有的中文TTS里面最好的了，大家可以看着使用吧，，，
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：366942次
积分：4255
积分：4255
排名：第2352名
原创：77篇
转载：45篇
评论：232条
(1)(6)(2)(5)(1)(2)(1)(4)(5)(2)(4)(9)(15)(12)(13)(6)(2)(1)(10)(4)(16)(2)(1)温馨提示！由于新浪微博认证机制调整，您的新浪微博帐号绑定已过期，请重新绑定！&&|&&
o(∩_∩)o...,收集资料用的,全部转载,如有意见请及时给我留言。。
LOFTER精选
&API地址：xjerr=1&client=chromium&lang=zh-CN&maxresults=1
—参数解释
&xjerr：错误标准
&client： 客户端类型
&lang：待识别语言类型，en-US是英文，中文为zh-CN，
&maxresults：最大返回识别结果数量
—识别基本流程：
?从音频输入设备获取原始音频并编码或直接调用音频文件。
?将音频POST至接口地址。
?分析处理返回的JSON并得出结果。
—请求接口
?地址：如前
?请求方式：http post
?请求数据：编码后的音频数据
?音频编码格式：wav、speex或flac。
?音频采样频率：8000Hz、11025Hz、16000Hz、22050Hz、24000Hz、32000Hz、44100Hz、48000Hz
—主要优点
?语音识别引擎庞大，识别精度很高，适用于文本语音识别。提供多国语言的语音识别。
?任何平台都可以进行访问，容易使用。
—主要缺点
?API未开放，未能获知具体开发细节。
?识别引擎位于服务器端，识别的速度和网络质量有关，识别速度较慢。
?待识别音频的格式、大小、时长的限制。
MicrosoftSpeech SDK
—Microsoft Speech SDK是微软公司提供在Windows平台上开发语音识别和语音合成应用程序的开发包，简称为SAPI，内含SR（Speech Recognition）和SS（Speechsynthesis）引擎，因此可以很方便地在自己的应用程序中添加这些功能。
—该语音引擎支持多种语音的识别和朗读，包括英文、日文、中文等。微软推出的应用编程接口API，虽然现在不是业界标准，但是应用比较广泛。
—识别基本流程：
?从音频输入设备获取原始音频并编码或直接调用音频文件。
?设定语音引擎和识别上下文等内容，配置本地访问属性。
?分析处理得到的文本结果
—请求接口
?请求方式：本地访问
?请求数据：编码后的音频数据
?音频编码格式：wav
?音频采样频率：8000Hz、11025Hz、16000Hz、22050Hz、24000Hz、32000Hz、44100Hz、48000Hz
—主要优点
?基于COM组件，便于与DirectShow中的组件整合。
?语音识别引擎位于本地，便于访问，识别速度较快。
?待识别音频的大小、时长无限制。
—主要缺点
?缺少其他平台的支持，仅支持windows平台。
?语音识别引擎不够庞大，识别精准度较低。
?仅提供中日英三种语言的语音识别功能。
&iFLY Mobile Speech Platform 2.0
—科大讯飞为开发者提供了语音应用开发平台，提供语音合成、语音听写、语音识别、声纹识别等服务，为语音应用开发爱好者提供方便易用的开发接口，使得用户能够基于该开发接口进行多种语音应用开发。
—其主要功能有：
?实现基于HTTP协议的语音应用服务器，支持语音合成、语音听写、语音识别、声纹识别等服务
?提供基于移动平台和PC上的语音客户端子系统，内部集成音频处理和音频编解码模块，提供关于语音合成、语音听写、语音识别和声纹识别完善的API
—只需要在上申请成为开发者，便可以下载相关的SDK和开发文档。
—主要优点
?支持平台丰富，各个平台上都有相应的详细SDK文档
?语音识别引擎较庞大，对中文的识别精度很高。
?具端点检测功能，便于划分识别文本的句子。
—主要缺点
?识别引擎位于服务器端，须远程访问，识别速度较慢。
?对语言支持不如Google，目前仅支持中文听写。
?需要使用1028端口，在某些地方会有使用限制。
?当软件用户达到百万次后，需要开始收费。
—测试流程：
?从麦克风输入语音并编码或直接调用音频文件，调用的音频文件主要是从电影或是新闻节目中提取其音频，前者主要体现识别语音口音的多样性，后者是体现识别语音口音的正规性，从麦克风输入体现对针对某个人特定的口音。主要测试音频文件格式为wav和flac（flac需要由相同采样率的wav转换而来）测试采样率有8KHz、16KHz、24KHz、32KHz、44.1KHz。
?分析各个引擎的识别准确度和花费时间时，选取了5段时长为25S、平均长度为150个中文字符的音频作为其测试音频，记录识别正确的文字和花费时间，准确度以识别正确的文字/文本总字数，同时包含识别出的单独的字、词，花费时间对于非本地引擎需要考虑音频传送和结果返回的时间。
?分析各个引擎中语速对识别准确度的影响，针对同一文本，测试不同语速（分为慢速、中速、快速）的音频，且时间均控制在25S，仅选取了24KHz和44.1KHz音频进行测试，因为由测试准确度的测试中，已经得出在24KHz和44.1KHz情况下，识别精确度较高。
?分别用google、Microsoft和科大讯飞语音识别引擎对测试音频文件进行测试。其中使用google和科大讯飞引擎需通过访问其相关服务器，而Microsoft的语音识别引擎则是从本地进行访问。
?对所得结果进行数据分析，列出数据表格，分析各自引擎的优缺点。
测试结果：
?语速对识别时间的影响
&&&&&&&&&&&&&&&&&&&&&&& 慢速&&&&&&&&&&&&&&&& 中速&&&&&&&&&&&&&&&&&& 快速
Google&&&&&&&&&&&&& 8s&&&&&&&&&&&&&&&&&&&8.94s&&&&&&&&&&&&&& 10.125s
SAPI&&&&&&&&&&&&&&&&6.06s&&&&&&&&&&&&&& 6.63s&&&&&&&&&&&&&&&&&5.375s
科大讯飞&&&&&&&&& 34.6s&&&&&&&&&&&&&& 35s&&&&&&&&&&&&&&&&&&&& 23.6s
?语速对识别精度的影响
&&&&&&&&&&&&&&&&&&&&&&& 慢速&&&&&&&&&&&&&&&& 中速&&&&&&&&&&&&&&&&&&&快速
Google&&&&&&&&&&&78.93%&&&&&&&&&& 77.52%&&&&&&&&&&&&&&&11.58%
SAPI&&&&&&&&&&&&&& 28.7%&&&&&&&&&&&& 42.79%&&&&&&&&&&&&&& 6.81%
科大讯飞&&&&&&&& 78.2%&&&&&&&&&&&& 80.48%&&&&&&&&&&&&& 15.53%
结果评价：
—1.Google
?Google语音识别引擎可以识别wav格式音频，但是测试所用wav均为非原始wav故识别精度很低，若将其转换为flac后则识别精度增加。对于flac格式中文音频，快速语音准确率达到11.58%，中速语音准确率达到72.52%，平均花费时间8.94S。慢速语音准确率达到78.93%，平均花费时间为8S。对于英文音频，快速语音准确率达到40.22%，中速语音准确率达到89.2%，慢速语音准确率达到80.58%，平均花费时间各为9.2s，8.5s和9.9s。
?不同的音频采样率对识别效果和花费时间有影响，识别效果主要体现在音频中间部分名词和音频末端1s的识别结果，于中文而言新闻类平均准确率为72.37%,电影类平均准确率为44.36%。于英文而言，电影类平均准确率为35.3%。平均花费时间采样率越大，识别时间越短，如24KHz和44.1KHz的同样内容音频，后者时间少1S左右。
?对于google语音识别引擎，由于语速过快会导致识别不准确，会出现多个音识别为一个字的现象，故所用时间较短，但是准确度较差。而语速过慢时，虽然语音的特征更加明晰会使得准确率上升，但是字与字之间的联系不密切，会出现本该是一个词却识别为同音的两个字，导致准确率下降，故其平均准确率和中速识别率相当，另一方面是所需识别的字较少，故识别时间相对中速短。
?对于视频流提取的音频和麦克风输入人声的识别，麦克风输入人声的平均准确度高于视频流中的的平均准确度，原因是视频流中的人声会带有各种口音一般带有背景噪音，而麦克风输入人声是单一的稳定的，背景噪音较小。准确度顺序大致为：新闻类&特定人&电影类，但不能忽略电影中也存在普通话标准发音。对于时间长度为20s以上的快速语音，测试期间无法识别，一直未能返回正确结果。不知原因。对于特定人输入的音频，音频头尾都可正确识别。若是输入视频流中音频，头尾1S的内容都不能很好的识别，容易出错。
?Google语音识别引擎数据库丰富，可以识别大部分日常用语，还包括当下流行词汇，人名，地名等。对于新闻类词汇判别比较准，而特定专业类名词通常以同音字代替。
?对于google识别的时间包括网络发送音频数据包时间，识别花费时间，返回结果时间。由于引擎位于服务器，需要通过网络访问，故网络质量在识别时间上占据极重要的位置，识别过程中经常会发生访问延迟、访问超时和请求无效等错误，故应该在网络良好的条件下使用google引擎，这也是非本地语音引擎库的缺点。同时音频文件超过1M时，也无法正确返回结果，估计是服务器的文件限制。
?若考虑语音的精准度，则倾向于选择google语音识别引擎。
?微软的SAPI语音识别引擎可以识别任意采样率的wav格式音频，当采样率比较低时如仅为8KHz，音频内容采样过程中会缺失，故识别不准确，理论上来说，采样率越高，识别精度越好。但是采样率超过一定值后，改进并不明显。经过测试得出以44.1KHz采样率识别精度较好，且花费时间较短。快速语音准确率为6.81%，中速语音准确率达到42.79%，平均花费时间6.63S。慢速语音准确率达到28.7%，平均花费时间为6.06S。识别效果主要体现在音频中间部分名词和音频末端1s的识别结果，新闻类平均准确率51.48%,电影类平均准确率为41.43%,特定人平均准确率为53.06%。
?对于特定人输入的音频，音频头尾都可正确识别。若是输入视频流中音频，头尾1S的内容容易漏识别，且漏识别内容并非不显示，而是以其他文字代替诸如“他、淡”等字，影响了识别结果的理解。
?微软语音识别引擎数据库位于本地，访问方便、快捷，无需考虑网络延迟、音频文件过大无法传送等问题。其缺点便是本地数据库的大小限制了其识别精度，需要通过长时间的训练才有可能达到比较高的精准度，而相比之下google引擎数据库可以收集网络上的所有资料，训练文本并不缺乏，容易达到很高的精准度。SAPI可以识别大部分日常用语和常用的新闻词汇，但是对当下流行词汇，人名，地名识别精度很低，对特定专业类名词通常也以同音字代替。
—3.科大讯飞
?科大讯飞语音识别引擎仅可识别wav格式音频，为了达到理想的效果，有诸如条件限制，如音频须为采样率16KHz、每采样一点16bit、单声道，且音频长度小于90s。由于具有端点检测功能，每句话的长度不宜过长。快速语音准确率达到17.63%，平均花费时间29.2S。中速语音准确率达到80.48%，平均花费时间35S。慢速语音准确率达到78.2%，平均花费时间为34.6S。平均花费时间比另外两个引擎多了许多，主要原因是其端点检测功能，故一次能识别的语句长度有限制，需要分段识别，因此加长了识别的时间。
?端点检测的好处是方便音频中句子的分段，易于对对识别结果的理解。
?其引擎库也是位于服务器，需要通过网络访问，识别的时间包括网络发送音频数据包时间，识别花费时间，返回结果时间。网络质量在识别时间上也占据极重要的位置，且其需要开启80/1028端口后才能有效使用该引擎。待识别的音频需要质量清晰，一般对于网上流媒体而言，声音质量不高，识别较困难。
以上的SAPI和科大讯飞的测试DEMO都是用他们SDK里自带的。GOOGLE的C#代码可参照
另外介绍关于google语音识别的内容还可以参照本文中有转载其小部分内容。
由于测试样本数量并不算多，因此以上测试仅供参考。
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
阅读(5300)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
在LOFTER的更多文章
loftPermalink:'',
id:'fks_',
blogTitle:'Google，微软，科大讯飞的语音识别引擎对比',
blogAbstract:'—Google提供了一个在线语音识别的API接口，通过该API可以进行中文、英文等语言的识别。\r\n&API地址：
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人：
{list a as x}
{if !!b&&b.length>0}
他们还推荐了：
{list b as y}
转载记录：
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}52418人问过
48179人问过
40187人问过
28871人问过
近一季收益率29%
大摩多因子策略股票基金年平均收益30%以上。
近一季收益率28%
财通可持续发展主题股票近一年收益率高达50%以上。
近一季收益率28%
军工主题基金强势拉升，长盛航天海工混合排名靠前。
近一季收益率20%
中邮战略新兴产业股票年平均收益高达88%。