如何使用插件
Runtime Speech Recognizer 插件旨在识别来自输入音频数据的单词。它使用了 whisper.cpp 的一个稍作修改的版本来与引擎配合工作。要使用该插件，请按照以下步骤操作：
编辑器端
- 根据这里的描述，为你的项目选择合适的语言模型。
运行时端
- 创建一个 Speech Recognizer 并设置必要的参数（CreateSpeechRecognizer，参数请参考这里）。
- 绑定所需的委托（OnRecognitionFinished、OnRecognizedTextSegment 和 OnRecognitionError）。
- 启动语音识别（StartSpeechRecognition）。
- 处理音频 数据并等待来自委托的结果（ProcessAudioData）。
- 需要时停止 Speech Recognizer（例如，在 OnRecognitionFinished 广播后）。
该插件支持输入音频格式为 浮点 32 位交错 PCM。虽然它与 Runtime Audio Importer 配合使用效果很好，但并不直接依赖它。
识别参数
该插件支持流式（streaming）和非流式（non-streaming）音频数据识别。要调整识别参数以满足你的特定用例，可以调用 SetStreamingDefaults 或 SetNonStreamingDefaults，此外，你还可以手动设置单个参数，如线程数、步长、是否将输入语言翻译为英语，以及是否使用先前的转录内容。完整参数列表请参考识别参数列表。
提高性能
请参考如何提升性能部分，以获取优化插件性能的技巧。
语音活动检测（VAD）
在处理音频输入时，尤其是在流式识别场景中，建议使用 语音活动检测（VAD）来过滤掉无声或仅包含噪音的音频片段，以免它们传入识别器。该过滤可以在 Capturable sound wave 端启用，使用 Runtime Audio Importer 插件可帮助防止语言模型出现幻觉——即错误地在噪音中寻找模式并生成错误的转写内容。关于 VAD 配置的详细说明，请参考语音活动检测文档。
在随机附带的演示项目中，VAD 默认为启用状态。你可以在演示项目中找到有关演示实现的更多信息。
示例
插件的 Content -> Demo 文件夹中包含一个良好的项目演示示例，你可以参考它的实现。
这些示例展示了如何使用 Runtime Speech Recognizer 插件处理流式和非流式音频输入，示例中使用 Runtime Audio Importer 作为音频数据的来源。需要注意的是，RuntimeAudioImporter 需要单独下载，才能访问示例中所展示的同一套音频导入功能（如可捕获的声音波形和 ImportAudioFromFile）。这些示例仅用于说明核心概念，不包含错误处理。
流式音频输入示例
注意： 在 UE 5.3 及其他版本中，复制 Blueprint 后可能会遇到缺失的节点。这可能是由于不同引擎版本之间的节点序列化方式不同所致。在你的实现中，务必确保所有节点均正确连接。
1. 基本流式识别
此示例演示了一个基本设置，即使用 Capturable sound wave 从麦克风捕获音频数据流，并将其传递给语音识别器。它会录制约 5 秒钟的语音，然后进行识别，非常适合快速测试和简单实现。可复制的节点。
此设置的关键特性：
- 固定 5 秒录音时长
- 简单的单次识别
- 最小化的设置要求
- 适用于测试和原型开发
2. 可控流式识别
此示例扩展了基本流式识别功能，增加了对识别过程的手动控制。你可以随时开始或停止识别，使其适用于需要精确控制识别时机的场景。可复制的节点。
此设置的关键特性：
- 手动开始/停止控制
- 连续识别能力
- 灵活的录音时长
- 适用于交互式应用
3. 语音激活的命令识别
此示例针对命令识别场景进行了优化。它结合了流式识别和语音活动检测（VAD），使得系统在检测到用户停止说话后才开始处理识别。只有在检测到静默后，识别器才会处理累积的语音，使其非常适用于基于命令的界面。可复制的节点。
此设置的关键特性：
- 手动开始/停止控制
- 启用了 VAD 以检测语音片段
- 仅在检测到静默时自动触发识别
- 适用于短命令识别
- 通过仅识别有效语音来减少处理开销
非流式音频输入
此示例将音频数据导入 Imported sound wave，然后在导入完成后识别完整的音频数据。可复制的节点。
