添加语音转文本 | 文档 - Roblox 创作者中心

语音转文本（STT）是一种技术，可以自动将语音声音生成文本。通过 STT，您可以创建更具沉浸感的世界，让玩家与 NPC 交谈，动态生成文本而无需预先录制特定音频，提高对运动或视觉受限玩家的可访问性，并通过语音快捷方式为玩家提供免提控制，例如打开他们的库存或施放法术。

使用姜饼屋 - 开始 .rbxl 文件作为起点，本教程将向您展示如何将动态生成的文本添加到您的游戏中，包括如何实现 STT 以便玩家可以与您 3D 世界中的物体进行交互的指导。

有关将音频添加到游戏的一般指导，请参阅添加 2D 音频和添加 3D 音频教程。

为了获得更可靠的语音检测，请使用按键聊天与 STT 一起使用。这确保玩家的麦克风仅在他们按住设备上的特定按钮时处于活动状态。

音频对象

要创建 STT 音频，了解您将在本教程中使用的音频对象非常重要。STT 有三种类型的音频对象：

AudioDeviceInput 对象是现实世界中的物理硬件设备，例如笔记本电脑、手机或耳机中的麦克风。
AudioSpeechToText 对象将语音声音转换为文本字符串。
Wires 将音频流从一个对象传输到另一个对象。

所有这些音频对象共同工作，以响应玩家的操作生成 STT 文本。例如，如果玩家在使用笔记本电脑玩游戏时佩戴耳机：

AudioDeviceInput 捕获玩家的语音，作为他们麦克风中说出的声音和音频流。
Wire 将音频流从 AudioDeviceInput 传输到 AudioSpeechToText。
AudioSpeechToText 将玩家的语音转换为文本。
游戏读取此文本并执行一个动作，例如在屏幕上显示所说的文本或在玩家的命令下打开一扇门。

启用麦克风使用

在将 STT 添加到游戏之前，您必须首先启用麦克风使用并发布游戏。

在 Studio 中打开姜饼屋 - 开始文件。
创建一个本地副本。
发布您本地的游戏副本。
返回 Studio，转到文件 ⟩ 体验设置 ⟩ 通信。
打开启用麦克风。
保存您的更改。

添加简单的语音捕获

要将简单的语音捕获添加到您本地的姜饼屋 - 开始文件中：

启用最新的语音 API。
1. 在资源管理器窗口中，选择 VoiceChatService。
2. 在属性窗口中，将 UseAudioApi 设置为 Enabled。
创建基本的音频对象，以便捕获所说的单词。
1. 在资源管理器窗口中，转到 Workspace > DialogueVolume。
2. 删除 DialogueVolume 文件夹中的所有对象。
3. 将以下对象插入到 DialogueVolume 文件夹中：
  - 一个 AudioDeviceInput 用于捕获语音。
  - 一个 AudioSpeechToText 用于将语音转换为文本。
  - 一个 Wire 用于将音频设备输入的流传输到 STT 实例。
4. 在 AudioSpeechToText 对象的属性窗口中，将 Enabled 状态设置为开启。
5. 在 Wire 对象的属性窗口中：
  1. 将 SourceInstance 设置为您的新 AudioDeviceInput，以指定您希望电线从此特定音频实例传输音频。
  2. 将 TargetInstance 设置为您的新 AudioSpeechToText，以指定您希望电线将音频传输到此特定音频实例。
在运行时将音频设备输入的 Player 属性设置为本地玩家。这告诉 Roblox 从哪个用户的麦克风捕获音频。
1. 在资源管理器窗口中，转到 StarterPlayer > StarterCharacterScripts。
2. 插入一个 LocalScript 并将其命名为 ListenForMagicWord。
3. 将以下代码粘贴到新的本地脚本中：
local audioDeviceInput = workspace:WaitForChild('DialogueVolume'):WaitForChild('AudioDeviceInput') -- 将麦克风绑定到本地玩家 audioDeviceInput.Player = game.Players.LocalPlayer

测试您的语音捕获

在您添加简单的语音捕获后，您可以进行游戏测试，以确保您的 STT 实现正常工作。对着麦克风说话应该会将 AudioSpeechToText 属性填充为您语音的文本版本。

要测试您的语音捕获：

在测试 > 客户端和服务器下，选择团队测试。
点击开始启动测试服务器。
在新的测试服务器中，取消静音您的麦克风并说几句话。
在资源管理器窗口中，转到 Workspace > DialogueVolume > AudioSpeechToText。
在 AudioSpeechToText 的属性窗口中，确认您对麦克风说的单词已作为 Text 属性的值出现。

将 STT 与游戏玩法结合使用

要将 STT 连接到游戏玩法，并在玩家对着麦克风说“打开芝麻”时打开姜饼屋的门：

创建一个远程事件以连接客户端和服务器。
1. 在资源管理器窗口中，在 ReplicatedStorage 下插入一个 RemoteEvent。
2. 将其命名为 OpenDoor。

添加一个新脚本以动画化打开姜饼屋的门。

在 ServerScriptService 下插入一个服务器端的 Script。
将其命名为 DoorService。
将以下代码粘贴到新脚本中：

-- 获取 ReplicatedStorage 服务以便在服务器和客户端之间共享存储
  -- 获取 TweenService 以便使用补间动画系统
  local ReplicatedStorage = game:GetService("ReplicatedStorage")
  local TweenService = game:GetService("TweenService")

  -- 允许客户端请求服务器打开门
  local remoteEvent = ReplicatedStorage:WaitForChild("OpenDoor")

  -- 动画化门向下移动并打开的函数
  local function openDoor()
    local doorPart = workspace:WaitForChild("Door")
    local tweenInfo = TweenInfo.new(2, Enum.EasingStyle.Linear)
    local tween = TweenService:Create(doorPart, tweenInfo, {Position = doorPart.Position + Vector3.new(0, -15, 0)})
    tween:Play()
  end

  -- 将函数连接到事件
  remoteEvent.OnServerEvent:Connect(openDoor)

将门与语音转文本连接，以便在玩家对着麦克风说话时发生动作。

转到 StarterPlayer > StarterCharacterScripts。
打开您之前创建的 ListenForMagicWord 脚本。
添加以下行：

-- 获取 ReplicatedStorage 服务以便在服务器和客户端之间共享存储 
  local ReplicatedStorage = game:GetService("ReplicatedStorage")

  -- 获取客户端将触发到服务器的 RemoveEvent
  local remoteEvent = ReplicatedStorage:WaitForChild("OpenDoor")

  -- 在场景图中查找 STT 节点
  -- 节点的 Text 属性在识别语音时更新
  local speechToText = workspace:WaitForChild('DialogueVolume'):WaitForChild('AudioSpeechToText')

  -- 如果 STT 捕获到玩家说“打开芝麻”，则告诉服务器打开门的函数
  speechToText:GetPropertyChangedSignal('Text'):Connect(function()
    local text = speechToText.Text

    if text == '' then
      return
    end
    print(text)

    if (text.find(text, 'open sesame') ~= nil)  then
      remoteEvent:FireServer()
    end
  
    speechToText.Text = ''
  end)

测试您的 STT 实现。
1. 在测试 > 客户端和服务器下，选择团队测试。
2. 点击开始启动测试服务器。
3. 在新的测试服务器中，走到门前，取消静音您的麦克风，并说“打开芝麻”。门应该打开并允许您进入姜饼屋。