Qt中实现高准确率的语音识别

1. 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。

2. 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。

3. 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。

#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();
}

4. 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。

5. 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