对于HoloLens，语音输入是三大基本输入方式之一，广泛地运用在各种交互中。HoloLens上语音输入有三种形式，分别是：
- 语音命令 Voice Command
- 听写 Diction
- 语法识别 Grammar Recognition
语音命令 Voice Command
对于做过Windows Phone或许Windows Store应用开发的人来说，语音命令是经常使用到的特性。开发者可以通过为应用设定关键词，和对应的行为，来为用户提供语音命令体验。当用户说出关键词时，预设的动作就会被调用。在HoloLens上，语音命令也是此模式。
KeywordRecognizer
命名空间: UnityEngine.Windows.Speech
类: KeywordRecognizer, PhraseRecognizedEventArgs, SpeechError, SpeechSystemStatus
使用方法很简单，通过注册<关键词>来初始化KeywordRecognizer实例，同时注册语音命令事件来做后续处理。
using UnityEngine.Windows.Speech;
using System.Collections.Generic;
using System.Linq; public class KeywordManager : MonoBehavior
{ KeywordRecognizer keywordRecognizer;
Dictionary<string, System.Action> keywords = new Dictionary<string, System.Action>(); void Start()
{
//初始化关键词
keywords.Add("activate", () =>
{
// 想执行的行为
}); keywordRecognizer = new KeywordRecognizer(keywords.Keys.ToArray());
keywordRecognizer.OnPhraseRecognized += KeywordRecognizer_OnPhraseRecognized;
//开始识别
keywordRecognizer.Start();
} private void KeywordRecognizer_OnPhraseRecognized(PhraseRecognizedEventArgs args)
{
System.Action keywordAction;
// 如果识别到关键词就调用
if (keywords.TryGetValue(args.text, out keywordAction))
{
keywordAction.Invoke();
}
}
}
语法识别 Grammar Recognition
语法识别同Windows Store应用类似，依赖于实现设定好的SRGS文件，文件中定义了一系列语法规则用于语音识别。更多信息请阅读：https://msdn.microsoft.com/zh-cn/library/hh378349(v=office.14).aspx
GrammarRecognizer
命名空间：UnityEngine.Windows.Speech
类： GrammarRecognizer, PhraseRecognizedEventArgs, SpeechError, SpeechSystemStatus
在你创建好SRGS文件后，将它放进StreamingAessets文件夹：
<PROJECT_ROOT>/Assets/StreamingAssets/SRGS/myGrammar.xml
使用起来也很简单，代码如下：
public class GrammarManager : MonoBehavior
{
private GrammarRecognizer grammarRecognizer; void Start()
{
//初始化
grammarRecognizer = new GrammarRecognizer(Application.streamingDataPath + "/SRGS/myGrammar.xml");
grammarRecognizer.OnPhraseRecognized += grammarRecognizer_OnPhraseRecognized;
//开始识别
grammarRecognizer.Start();
} private void Grammar_OnPhraseRecognized(PhraseRecognizedEventArgs args)
{
SemanticMeaning[] meanings = args.semanticMeanings;
// 执行动作
}
}
听写 Diction
听写即语音转文字，此前我们称之为Speech to Text，同样是Windows Store应用特性之一。在HoloLens上，发挥了比其他平台更大的作用。因为HoloLens的操作特性，使用键盘操作起来十分不方便，语音则无此问题，能大大提高输入效率。
DictationRecognizer
命名空间： UnityEngine.Windows.Speech
类： DictationRecognizer, SpeechError, SpeechSystemStatus
听写特性用于将用户语音转为文字输入，同时支持内容推断和事件注册特性。Start()和Stop()方法用于启用和禁用听写功能，在听写结束后需要调用Dispose（）方法来关闭听写页面。GC会自动回收它的资源，如果不Dispose会带来额外的性能开销。
完整的使用方法如下：
public class DictionManager : MonoBehavior
{
private DictationRecognizer dictationRecognizer; void Start()
{
dictationRecognizer = new DictationRecognizer();
//注册事件
dictationRecognizer.DictationResult += DictationRecognizer_DictationResult; dictationRecognizer.DictationHypothesis += DictationRecognizer_DictationHypothesis; dictationRecognizer.DictationComplete += DictationRecognizer_DictationComplete; dictationRecognizer.DictationError += DictationRecognizer_DictationError; //开始听写识别
dictationRecognizer.Start();
} private void DictationRecognizer_DictationResult(string text, ConfidenceLevel confidence)
{
// 自定义行为
} private void DictationRecognizer_DictationHypothesis(string text)
{
// 自定义行为
} private void DictationRecognizer_DictationComplete(DictationCompletionCause cause)
{
// 自定义行为
} private void DictationRecognizer_DictationError(string error, int hresult)
{
// 自定义行为
} void OnDestroy()
{
//释放资源
dictationRecognizer.DictationResult -= DictationRecognizer_DictationResult;
dictationRecognizer.DictationComplete -= DictationRecognizer_DictationComplete;
dictationRecognizer.DictationHypothesis -= DictationRecognizer_DictationHypothesis;
dictationRecognizer.DictationError -= DictationRecognizer_DictationError;
dictationRecognizer.Dispose();
}
}
注意：以下情况中，听写识别会自动触发超时行为：
- 如果在听写开始后第一个5秒内没听到任何声音，将会超时
- 如果识别到了一个结果但是之后20秒没听到任何声音，也会超时
同时使用以上特性
如果你想同时使用语音命令、语法识别和听写特性，那么一定要在完全关闭当前语音识别行为后再开始另一个识别动作。如果有多个KeywordRecognizer在运行，你可以使用如下代码一次性关闭它们：
PhraseRecognitionSystem.Shutdown();
为了从先前状态恢复所有的识别器，可以在听写识别完成后调用如下代码：
PhraseRecognitionSystem.Restart();
当然你也可以重新开始一个 KeywordRecognizer，这将会重启PhraseRecognitionSystem，达到上面的效果。
总结
Windows平台上的语音识别特性从Windows 8以来一直都很强大，但是在HoloLens上会有更大的用武之地。这是最基本的交互方式，从系统层级上提供了强大的支持，甚至和Cortana结合到了一起，非常有用。