转载请说明出处！
作者：kqw攻城狮
出处：个人站 | CSDN
对比
| 科大讯飞 | 灵云语音 | |
|---|---|---|
| 语音能力 | 语音合成、语音识别、语义、命令词、唤醒 | 没有独立的唤醒功能，需要使用命令词实现唤醒。 |
| 初始化 | 我们购买完离线资源包以后，集成到工程里，就可以保持在离线环境下使用 | 即使使用离线语音能力，第一次使用的时候，也必须要联网，激活离线语音能力以后，才可以使用 |
| 网络请求 | 各种请求均异步操作，不会阻塞线程。 | 在线文字语义识别，是同步操作，其它是异步操作过程。（同步操作时间超过5秒会导致Android终端抛出NAR异常导致崩溃） |
| 语义 | 场景定义灵活，开发者可在后台自定义，通过申请的方式，可以开通自定义场景，目前免费开放。语义解析失败，可以将语音转文字。 | 场景的定义需要联系客服人员开通，自定义场景需要付费（说是一般一个场景2万元）。语义解析失败不能转成文字 |
| 语音唤醒 | 支持（官方自称低功耗） | 实际没有唤醒功能，是使用离线命令词的方式模拟出了唤醒，效果不理想。尚未发现可以发现可以设置门限值等常用参数的API。 |
| 命令词识别 | 离线使用BNF语法，在线使用ABNF语法，语法可以使用占位符等等的操作符 | 离线和在线都使用JSGF语法。 |
灵云唤醒机制
用命令词的方式实现唤醒，用唤醒词做命令词，做好标识，然后循环开启命令词识别，当识别到唤醒的命令词的时候，视为被唤醒了。
个人认为这种方式实现唤醒效果不好，原因如下：
录音都有前端点超时时间和后端点超时时间，这样一来，即使我们准确的说出唤醒词，也要在说完唤醒词以后，保证在后端点时间内不再有声音录入，才能提高被唤醒的几率。
唤醒不是即时的，即使我们准确的说出唤醒词，并保持不再有声音录入，也要至少等待后端点时间过去，录音结束以后，才会识别（被唤醒）。
这种方式的唤醒其实就是在进行语音识别，如果一直开启唤醒，消耗性能，耗电。
- 前端点超时时间: 在前置端点时间内没有有效的声音录入，表示此次录音无效，结束录音.
- 后端点超时时间: 录音结束以后，在后置端点时间内没有再录入有效声音，表示录音完成，结束录音。
总结
科大讯飞语音方面更灵活，更好用。
灵云语音，在人工智能方面提供的技术更全面（还包括图像识别，手写识别，人脸识别，指纹识别、机器翻译等），偏定制（智能家居、车载系统、机器人等智能设备的定制）。
单从语音能力角度来比较，讯飞更好。
