VOSK ASR for Unity

[中文|English]

這是一個透過 Vosk 實作 語音轉文字 的 Unity 專案，改善自官網上的範例。

VOSK 是什麼

Vosk 是一個語音辨識的套件。它的優點包含:

• 支援 20+ 語言與方言
• 可離線使用，甚至在輕型裝置上
• 有適合行動裝置的 ~50 MB 小型模型 ； 以及適合伺服器的 ~2 GB 大型模型
• 可以手動設定單字以提升準確度

準備

• 從官網下載一個模型
  • 本專案已包含一個中文模型
• 把模型解壓縮至專案的 Application.streamingAssetsPath
• 大的模型較為準確，但需要更長時間進行載入
• (推薦) 安裝 Newtonsoft Json Unity Package

如何使用

• 在需要使用 ASR 的程式中加入 using Vosk.APIs;
• 呼叫 VoskASR.Init
• 訂閱 VoskASR.OnTranscriptionResult 以獲取辨識結果
• 回傳的結果是 Json 格式，故推薦使用 Newtonsoft.Json
• 可參考 Demo.cs 的範例
• 可以使用 LoudnessMeter 來視覺化輸入音量
• 可以使用 ChineseUtil 來進行簡體與繁體的轉換
  • 中文模型大多為簡體

參數

• caller: 傳入 MonoBehaviour 讓 Unity 呼叫 StartCoroutine
• modelName: 傳入模型的資料夾名稱
• autoStart: 使否在呼叫 Init 後即開始辨識
• maxAlternatives: 該辨識幾組可能結果
• microphoneIndex: 麥克風的序號
• keyPhrases: 手動輸入特定單字來辨識