Kinect for Windows SDK 测试版

这是什么

2011 年 6 月 16 日，微软发布了 Kinect for Windows 软件开发工具包（SDK）的测试版，免费提供给非商业用途使用。^[1] 软件开发工具包指的是一套驱动程序、程序接口和文档，让开发者不必从底层电路写起，就能为某个硬件编写程序。这一版的目标很明确：让普通的 Windows 个人电脑用上 Kinect 传感器的人体动作追踪、语音识别和深度感知能力。^[2]

这是自然人机界面（natural user interface）向前推进的一步——输入不再只靠键盘和鼠标，而是靠语音、手势和身体动作。^[2] 想搭建这类界面的研究者和爱好者，可以用上微软自己提供的工具和文档。^[1]

包里有什么

SDK 包含四部分：驱动程序；用于原始传感器数据流和自然人机界面的丰富 API（应用程序接口）；安装说明文档；以及配套的资源材料。^[1] 原始传感器数据流意味着开发者可以直接读到传感器输出的数据，而不只是拿到「这里有一只手」这样加工过的结论；自然人机界面这一层则工作在更高的层面，处理手势、语音和身体姿态。

开发语言上，可以用 C++、C# 或 Visual Basic，开发环境是 Visual Studio 2010。^[1] 整个安装包不到 100 MB，无需复杂的配置。^[1] 下载小、语言是现成的、开发工具也是现成的，这些加起来让一个大学实验室或者单个爱好者的入门门槛降得很低。

声音这一块

音频被单独对待。测试版包含了声学降噪（acoustic noise suppression）、回声消除（echo cancellation）和波束成形（beam formation），并与 Windows 语音识别 API 集成。^[1] 回声消除要处理的是麦克风同时听到扬声器声音的问题；波束成形则是把多个麦克风收到的信号合起来，偏向某一个方向传来的声音、压低其余方向。配合 Windows 的语音接口，应用可以直接接收语音指令，而不必自己从零写一个语音识别器。

能做什么

这套 SDK 让个人电脑上可以做人体的动作追踪、语音识别和深度感知。^[2] 落到实处，就是一个程序能知道人在房间里的什么位置、物体有多远、以及人在说什么——手势界面和语音界面正是由这三类信号搭起来的。由于对非商业应用免费，最早一批项目来自学术研究者和爱好者，而不是产品团队。^[2]

处在什么位置

测试版被明确定位为第一步：它用于非商业应用的开发是免费的，商业版本预计稍后推出。^[2] 这个安排定下了后来的节奏——先面向学术界与爱好者，再逐步把传感器在 Windows 上的使用推开。把驱动、接口、文档和语音集成都装进一个不到 100 MB 的安装包，微软让普通的桌面程序也能读到传感器的深度与声音数据。^[1]