我试图找出python库Dragonfly是否可以使用你给它的上下文和语法来提高识别率 . 这个想法是，如果语音识别引擎本身知道你可以说什么的语法，那么识别应该大大改进，但如果Dragonfly库只是检查从识别器中获取的任意听写是否符合语法，我希望没有改进 .
此外，由于Dragonfly支持Dragon和Windows语音识别，因此根据引擎知道答案是否有所不同是有帮助的 .
实际的答案是肯定的 . 从技术上讲，Dragonfly只是将语法传递给语音识别引擎（Dragon或WSR），但引擎确实使用语法来提高识别率 . 我让你的语法变得很大，它的效果相当不错 . 其他答案说不，只是观察蜻蜓本身没有任何实际后果，因为发动机代替它 . 语法识别比任意听写要好得多 . 我可以可靠地识别出800多个命令并使用来自aenea项目的SeriesMappingRule我甚至可以在一个单一的话语中依次说出多个命令 .
我可以确定Dragonfly使用CFG来定义Windows语音识别的命令语法 . （如果Dragonfly也没有使用过龙的CFG，我会感到非常惊讶;重要的好处是巨大的 . ）
似乎没有，Dragonfly不使用给定的语法来提高识别率 . 它只是将SR引擎的第一个选项传递给语法规则 . 在engine.py的第264行你会发现：
words = tuple(unicode(w, "windows-1252") for w in results.getWords(0))
根据NatLink talk introduction and explanation方法
result.getWords(n)
返回引擎的第N个选项，所以（遗憾的是）似乎DragonFly只保留了第一个 .
我有同样的问题，所以我把liberty to ask带给了开发人员，在这个问题的文档中添加了一个FAQ
3 回答
实际的答案是肯定的 . 从技术上讲，Dragonfly只是将语法传递给语音识别引擎（Dragon或WSR），但引擎确实使用语法来提高识别率 . 我让你的语法变得很大，它的效果相当不错 . 其他答案说不，只是观察蜻蜓本身没有任何实际后果，因为发动机代替它 . 语法识别比任意听写要好得多 . 我可以可靠地识别出800多个命令并使用来自aenea项目的SeriesMappingRule我甚至可以在一个单一的话语中依次说出多个命令 .
我可以确定Dragonfly使用CFG来定义Windows语音识别的命令语法 . （如果Dragonfly也没有使用过龙的CFG，我会感到非常惊讶;重要的好处是巨大的 . ）
似乎没有，Dragonfly不使用给定的语法来提高识别率 . 它只是将SR引擎的第一个选项传递给语法规则 . 在engine.py的第264行你会发现：
根据NatLink talk introduction and explanation方法
返回引擎的第N个选项，所以（遗憾的是）似乎DragonFly只保留了第一个 .
我有同样的问题，所以我把liberty to ask带给了开发人员，在这个问题的文档中添加了一个FAQ