如何用声音来操控IE浏览器及语音识别引擎

如何用声音来操控IE浏览器及语音识别引擎

 　　最近做字幕的时候发现一个通过声音控制IE浏览器的方法。本来是要制作字幕的，后来想想如果纯手工制作字幕的话那么效率肯定非常低，做为程序员，本能的想到了让计算机来帮忙。做字幕就是从声音识别出文字，然后在校对时间轴。很机械化的操作，非常适合计算机的来做。通过搜索很快找到了解决方案。使用Microsoft Speech SDK+Python+PythonWin。虽然微软的语音识别引擎已经很强大了，但是要用它来制作字幕还有很长的路要走。字幕做不成了，不过用它来操控浏览器还是错错有余的。发现使用语音功能操作IE浏览器还是非常方便，只要设置好语句，IE浏览器就可以自动进行相关的操作。

　　下面是我已经实现的一些功能。(=符号前面是你要说的话，后面是浏览器执行的操作)

　　显示浏览器=打开浏览器，谷歌=进入谷歌的页面，百度=进入百度的页面，优酷=进入优酷的页面等等，后退=返回上一个页面，最大化=最大化浏览器，下拉=下拉网页，上拉=上拉网页，放大=放大网页，缩小=缩小网页，关闭浏览器=关闭浏览器。

　　搭建测试环境：

　　1.从微软官网下载SpeechSDK51.exe和SpeechSDK51LangPack.exe

　　2.下载Python2.6+PythonWin+wxPython和启动语音识别的脚本文件。从这里打包下载。

　　3.安装SpeechSDK51.exe，SpeechSDK51LangPack.exe

　　4.安装Python2.6，PythonWin，wxPython

　　5.运行开始菜单-所有程序-Python2.6 PythonWin，选择Tools - COM MakePy utility - Microsoft Speech Object Library 5.0

　　6.在控制面板的语音里面，在语言里选Microsoft Simplified Chinese Recognizer，在语音选择里选Microsoft Simplified Chinese

　　环境搭建完成，运行SpeechGui.py脚本就可以来用声音操控浏览器。不过由于Python+PythonWin的强大威力，不单单只有IE浏览器可以进行该操作，只要软件能够支持com的应用就都可以显示语音操控，比如微软的Windows Media Player，Word，Excel等软件。强烈建议大家自己手动去发掘和制作更多有意思的功能。