最近做字幕的時候發(fā)現(xiàn)一個通過聲音控制IE瀏覽器的方法。本來是要制作字幕的，后來想想如果純手工制作字幕的話那么效率肯定非常低，做為程序員，本能的想到了讓計算機來幫忙。做字幕就是從聲音識別出文字，然后在校對時間軸。很機械化的操作，非常適合計算機的來做。通過搜索很快找到了解決方案。使用Microsoft Speech SDK+Python+PythonWin。雖然微軟的語音識別引擎已經(jīng)很強大了，但是要用它來制作字幕還有很長的路要走。字幕做不成了，不過用它來操控瀏覽器還是錯錯有余的。發(fā)現(xiàn)使用語音功能操作IE瀏覽器還是非常方便，只要設(shè)置好語句，IE瀏覽器就可以自動進行相關(guān)的操作。

下面是我已經(jīng)實現(xiàn)的一些功能。(=>符號前面是你要說的話，后面是瀏覽器執(zhí)行的操作)

“顯示瀏覽器”=>打開瀏覽器，“谷歌”=>進入谷歌的頁面，“百度”=>進入百度的頁面，“優(yōu)酷”=>進入優(yōu)酷的頁面等等，“后退”=>返回上一個頁面，“最大化”=>最大化瀏覽器，“下拉”=>下拉網(wǎng)頁，“上拉”=>上拉網(wǎng)頁，“放大”=>放大網(wǎng)頁，“縮小”=>縮小網(wǎng)頁，“關(guān)閉瀏覽器”=>關(guān)閉瀏覽器。

搭建測試環(huán)境：

+PythonWin+wxPython和啟動語音識別的腳本文件。從這里打包下載。

，

，PythonWin，wxPython

>所有程序->— >PythonWin，選擇Tools -> COM MakePy utility -> Microsoft Speech Object Library

，在語言里選Microsoft Simplified Chinese Recognizer，在語音選擇里選Microsoft Simplified Chinese

環(huán)境搭建完成不過由于Python+PythonWin的強大威力，不單單只有IE瀏覽器可以進行該操作，只要軟件能夠支持com的應(yīng)用就都可以顯示語音操控，比如微軟的Windows Media Player，Word，Excel等軟件。強烈建議大家自己手動去發(fā)掘和制作更多有意思的功能。