Kinect 語音識別中文支持現狀與變通方案

Microsoft Speech SDK（Kinect 使用的底層引擎）**官方不支援中文識別**。`RecognizerInfo` 的 `Culture` 必須為 `en-US`、`zh-CN` 不在支援列表中。

代碼層面的硬性限制

Func<RecognizerInfo, bool> matchingFunc = r => 
    "True".Equals(r.AdditionalInfo["Kinect"]) && 
    "en-US".Equals(r.Culture.Name); // 只能是 en-US

工程變通方案

方案一：諧音映射（低成本、有限詞彙）

• 將中文指令映射為發音相近的英文詞：

var commands = new Choices();
commands.Add("help");      // 對應「幫助」
commands.Add("green");     // 對應「綠燈」
commands.Add("blue");      // 對應「藍燈」
commands.Add("red");       // 對應「紅燈」

• 用戶說中文，引擎識別為英文，再由應用層反向映射執行中文邏輯。

方案二：雲端語音服務（生產級）

架構調整：Kinect 麥克風陣列採集 PCM → 客戶端 VAD 切片 → HTTPS/WebSocket 發送雲端 → 獲取文本 → 本地語義理解。

方案三：本地離線引擎（隱私敏感場景）

• PocketSphinx：CMU 開源，需訓練中文聲學模型，準確率一般。
• Vosk：基於 Kaldi，支援中文小模型（~50MB），CPU 實時運行，適合邊緣設備。

建議選型

• Demo/教學/詞彙<20：諧音映射最快。
• 產品化/長文本/噪音環境：Azure/百度雲端 API。
• 離私/無網/嵌入式：Vosk + Kinect 音頻流直連。