Speech recognition 除了谷歌之外，还有什么语音识别API可以返回临时结果吗？

我正在寻找一个语音识别API，它可以在用户说话时返回临时结果，类似于Google在其主页上所做的（）。我正在寻找一个API，支持法语。我想做的是创建一个类似于谷歌语音搜索的web应用程序

• 谷歌语音API不推荐用于专业开发，因为它经常变化，并且没有完整的文档记录
• IBM Watson不支持法语
• AT&T语音API不返回临时结果
• CMU Sphinx返回了极其糟糕的结果（请参见此处的演示：）
• Nuance产品似乎不适合web应用程序。（如果你知道我应该如何使用它们，我很感兴趣！）

---

许多语音到文本应用程序使用Nuance Communications开发的语音识别技术。与web应用程序配合使用的SDK是支持将流式音频转换为文本的SDK。除英语和德语外，它还支持法语。要使用此功能，您可能需要通过AJAX请求将音频输入流式传输到要处理的服务器，然后将文本作为AJAX请求的XMLHTTPResponse接受。

由Cortana和Skype Translator使用的Microsoft符合您的两个标准：它支持法语（和其他6种语言）并在向其传输音频时返回部分/临时/在线假设

（顺便说一句，使用Pocketsphinx进行在线识别时，通常会导致错误准确性的问题是错误的CMN（倒谱平均值归一化）。当您为Pocketsphenx提供一段完整的音频以进行处理时，它会计算整个语音的CMN，但当您将音频流式传输到Pocketsphenx时，默认情况下它不会计算CMN。一种解决方案是为其提供完整的语音，检索Pocketsphenx计算的CMN，然后将该CMN用于流式音频。请注意，CMN是不同的对于每个音频通道/环境，pocketsphinx的Python接口不提供CMN数据接口。如果这是您想要研究的路由，我有一个补丁。）