Azure Speech麦克风连续语音识别：循环退出与终止方式咨询

1. 无需手动输入命令停止连续语音识别 #

你的当前代码中，done_talking仅在会话停止或取消事件触发时才会设为True，但这两个事件不会主动触发，导致while循环无法退出。可以通过以下两种无手动输入的方式解决：

方式一：监听系统中断信号（如Ctrl+C） #

添加信号处理逻辑，捕获终端中断信号时停止识别并退出循环：

import signal

def cont_speech_to_text():
    done_talking=False
    
    def stop_cb(evt):
        print('会话事件: {}'.format(evt))
        nonlocal done_talking
        done_talking = True
        speech_recognizer.stop_continuous_recognition()
    
    # 新增信号处理函数
    def handle_signal(signum, frame):
        nonlocal done_talking
        done_talking = True
        speech_recognizer.stop_continuous_recognition()
        print("\n已停止语音识别")
    
    signal.signal(signal.SIGINT, handle_signal)

    # 原有事件绑定逻辑
    speech_recognizer.recognized.connect(recognised_speech)
    speech_recognizer.session_started.connect(lambda evt: print('SESSION STARTED: {}'.format(evt)))
    speech_recognizer.session_stopped.connect(lambda evt: print('SESSION STOPPED {}'.format(evt)))
    speech_recognizer.canceled.connect(lambda evt: print('CANCELED {}'.format(evt)))

    speech_recognizer.session_stopped.connect(stop_cb)
    speech_recognizer.canceled.connect(stop_cb)

    speech_recognizer.start_continuous_recognition()
    while not done_talking:
        time.sleep(.5)

方式二：检测静默时长自动停止 #

记录最后一次语音识别的时间，若超过设定的静默阈值（如10秒）则自动终止识别：

def cont_speech_to_text():
    done_talking=False
    last_recognized_time = time.time()
    SILENCE_TIMEOUT = 10  # 静默10秒后停止

    def recognised_speech(evt):
        nonlocal last_recognized_time
        last_recognized_time = time.time()
        print(f"You: {evt.result.text}")
    
    def stop_cb(evt):
        print('会话事件: {}'.format(evt))
        nonlocal done_talking
        done_talking = True
        speech_recognizer.stop_continuous_recognition()

    # 原有事件绑定逻辑
    speech_recognizer.recognized.connect(recognised_speech)
    speech_recognizer.session_started.connect(lambda evt: print('SESSION STARTED: {}'.format(evt)))
    speech_recognizer.session_stopped.connect(lambda evt: print('SESSION STOPPED {}'.format(evt)))
    speech_recognizer.canceled.connect(lambda evt: print('CANCELED {}'.format(evt)))

    speech_recognizer.session_stopped.connect(stop_cb)
    speech_recognizer.canceled.connect(stop_cb)

    speech_recognizer.start_continuous_recognition()
    while not done_talking:
        current_time = time.time()
        if current_time - last_recognized_time > SILENCE_TIMEOUT:
            print("检测到长时间静默，停止识别")
            done_talking = True
            speech_recognizer.stop_continuous_recognition()
        time.sleep(.5)

2. 通过语音命令/长停顿终止连续识别 #

方式一：关键词触发停止 #

在每次识别结果中检查是否包含指定停止关键词（如“退出”“停止识别”），匹配时主动终止：

def recognised_speech(evt):
    text = evt.result.text
    print(f"You: {text}")
    # 检查停止关键词
    if any(keyword in text.lower() for keyword in ["退出", "停止识别", "结束"]):
        print("检测到停止命令，终止识别")
        speech_recognizer.stop_continuous_recognition()

方式二：长停顿触发停止 #

配置Azure Speech的端点检测参数，当检测到设定时长的静默时自动结束会话：

# 在创建speech_config后添加以下配置
# 设置结束静默超时（单位：毫秒），连续识别模式下静默超过此时间触发会话停止
speech_config.set_property(speechsdk.PropertyId.SpeechServiceConnection_EndSilenceTimeoutMs, "5000")  # 5秒静默

配置后，麦克风静默超过5秒时会触发session_stopped事件，进而调用你的stop_cb函数停止循环。

3. 语音机器人的交互方式不止两种 #

你提到的单次识别（<15秒）和连续识别每次 utterance 后交互只是基础模式，Azure Speech Service还支持更多灵活的交互方式：

• 唤醒词触发识别：使用Keyword Recognition功能，仅当用户说出指定唤醒词（如“嘿，小助手”）时才激活识别，降低资源消耗。
• 会话式转录：针对多人对话场景，可实时区分说话人并转录完整对话，支持长时间持续会话。
• 实时双向语音交互：结合语音合成与识别，实现机器人实时响应，同时支持用户打断机器人语音输出的机制。
• 意图驱动的对话：配合Language Service的意图识别能力，自动理解用户需求并触发对应操作，无需手动处理每一句utterance。

内容的提问来源于stack exchange，提问作者erjvd