偶觉得微软这套系统是3家系统里面鲁棒性最差的，最容易受干扰，动态捕捉慢导致容易跟丢出错，至今看的视频都是在相对理想的环境下面做的演示；语音识别不说非英语国家，就算英语国家的各种口音发音能否正确识别都成问题

引用:

原帖由 superjay 于 2009-6-5 10:09 发表


我以为FF是那什么家族的个案，看来是普遍现象

您知道win95时代就有语音输入文本的技术了吗，您知道有中文版吗，您知道使用前都要矫正、适应每个人的发音习惯吗

也难怪，所谓物以类聚，是这个理

这个偶也知道，对用户发音采样的越多越精确，但是这样就不够casual了，对用户也有严格限制，就跟动作捕捉对环境也有限制一样。而且你拿这个跟语音识别文本比是有点偏离方向的，跟语音识别文本不同，这套东西是应用于游戏的，是实时系统，对即时指令识别准确度要求很高的。

[ 本帖最后由 carnon 于 2009-6-5 10:32 编辑 ]

引用:

原帖由 superjay 于 2009-6-5 10:40 发表


因为不是用的常见光摄像头，因此降低了对环境光线的苛刻要求，我在上一页贴了3dv视频，演示环境是几乎一片漆黑

其实这个所谓“ai”也就是你说的那么简单，语音识别成文本，文本才触发脚本，脚本教虚拟角色回答 ...

你没看懂我的意思？
我是说这套语音识别是用在游戏这类实时系统的，跟文本识别不同，文本识别错了可以更改，在多数实时游戏里面系统识别错你一句话或者是你发音有错误是无法更改的，致使建立起用户发音数据库也不能完全保证准确度，所以我才说这东西应用于游戏时鲁棒性差，或者只能受限于应用在专门为这套系统设计的，对精度要求不高的游戏。

[ 本帖最后由 carnon 于 2009-6-5 10:54 编辑 ]

引用:

原帖由 superjay 于 2009-6-5 10:58 发表


知道endwar吧

雏形

以上

这不扯淡么？endwar这类简单语音识别现在很多游戏引擎都能做，为啥要另花钱用natal？如何向用户证明natal是有价值的值得掏钱的，natal的发展方向在哪里，你是TG专家你来给个方案吧

专家都这样，整天画饼，却总是回避正面问题。。

不说了玩够了，吃饭

引用:

原帖由 教师随笔量产型 于 2009-6-6 19:04 发表

骚尼的“顶个球”就可以了？别跟我提那最廉价的ET。

专家们都不考虑成本的么？ ET参数480p每秒60fps，配合个球经济实惠又流畅，任地狱按摩棒也是很实惠，相反微软这套东东成本还是云里雾里。3个摄像头？内置芯片？没150美刀以上玩不来