如何用声音来操控IE浏览器及语音识别引擎的使用

　　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。