- 选择语音识别引擎
开源语音识别项目中,以下两款工具可以用于支持中英文识别,并且与Qt兼容:
Vosk:Vosk是一个开源的语音识别工具,支持中英文及多种语言,具备离线识别能力,且不依赖互联网。
PaddleSpeech:PaddleSpeech是百度的开源语音识别工具,准确率较高,但需要稍微多一点的配置。
本示例将使用 Vosk,它支持多平台,且易于集成到C++项目中,满足离线使用、90%以上准确率、开源等要求。
-
Vosk资源下载
首先,下载Vosk的C++库及中英文模型文件:
如果不想编译库,这里有已经编译好的Vosk库: Vosk GitHub仓库
中英文模型:Vosk 模型下载下载对应的库和模型,并确保你的开发环境中已经配置好CMake和Qt开发环境。
-
示例代码
以下是一个完整的Qt项目代码示例,展示如何使用Vosk API在C++中进行中英文识别。假设你已经下载并解压了模型文件。
cpp
#include <QCoreApplication>
#include <QAudioInput>
#include <QBuffer>
#include <QFile>
#include <vosk_api.h>
#include <iostream>
class SpeechRecognizer : public QObject {
Q_OBJECT
public:
SpeechRecognizer(const QString &modelPath, QObject *parent = nullptr)
: QObject(parent) {
model = vosk_model_new(modelPath.toStdString().c_str());
recognizer = vosk_recognizer_new(model, 16000.0);
}
~SpeechRecognizer() {
vosk_recognizer_free(recognizer);
vosk_model_free(model);
}
void startRecognition() {
QAudioFormat format;
format.setSampleRate(16000);
format.setChannelCount(1);
format.setSampleSize(16);
format.setCodec("audio/pcm");
format.setByteOrder(QAudioFormat::LittleEndian);
format.setSampleType(QAudioFormat::SignedInt);
audioInput = new QAudioInput(format, this);
audioBuffer.open(QIODevice::WriteOnly | QIODevice::Truncate);
audioInput->start(&audioBuffer);
connect(audioInput, &QAudioInput::stateChanged, this, &SpeechRecognizer::onStateChanged);
}
private slots:
void onStateChanged(QAudio::State state) {
if (state == QAudio::IdleState) {
audioInput->stop();
audioBuffer.close();
processAudio();
}
}
void processAudio() {
QByteArray audioData = audioBuffer.buffer();
int length = audioData.size();
const char *data = audioData.data();
if (vosk_recognizer_accept_waveform(recognizer, data, length)) {
std::cout << vosk_recognizer_result(recognizer) << std::endl;
} else {
std::cout << vosk_recognizer_partial_result(recognizer) << std::endl;
}
}
private:
VoskModel *model;
VoskRecognizer *recognizer;
QAudioInput *audioInput;
QBuffer audioBuffer;
};
int main(int argc, char *argv[]) {
QCoreApplication app(argc, argv);
QString modelPath = "/path/to/vosk-model"; // 将此路径替换为实际模型路径
SpeechRecognizer recognizer(modelPath);
recognizer.startRecognition();
return app.exec();
}
-
编译与运行
将vosk_api.h和vosk库文件添加到项目中,并在CMakeLists.txt中配置vosk库路径。编译后运行该程序,即可开始录音和实时中英文语音识别。
-
提示
确保麦克风采样率为16kHz,以匹配识别模型的采样率。
运行过程中需要确保模型路径正确,并安装所需的Qt和Vosk依赖库。
参考资源
Vosk官方文档和API:https://alphacephei.com/vosk