我打算在 Linux 中启动一个将语音转换为文本的应用程序。是否有任何现有接口以便我可以扩展它们?或者Linux中是否有任何这样的现有应用程序?对此有任何意见吗?
编辑:我计划编写的应用程序应该能够将我们所说的每个单词转换为文本,而不仅仅是是/否。
我打算在 Linux 中启动一个将语音转换为文本的应用程序。是否有任何现有接口以便我可以扩展它们?或者Linux中是否有任何这样的现有应用程序?对此有任何意见吗?
编辑:我计划编写的应用程序应该能够将我们所说的每个单词转换为文本,而不仅仅是是/否。
嗯,这是一项艰巨的任务,不用说你想使用什么技术,这里有一些链接:
祝你好运。有了更多的细节,我们或许能够提供更好的答案。例如,“是/否”呼叫中心式识别与部分自然语言理解之间存在很大差异。
戴夫的建议是一个很好的开始。斯芬克斯非常漂亮。
我只想补充一点,你应该尽可能地概率。作为一名一次性语言学家,甚至更早的一次性音韵学爱好者,我可以自信地说不要被语言模型所困扰。让我们不要忘记经常被错误归因的“每次我解雇语言学家,我的准确性都会提高”。这实际上是关于模型及其解释噪音和变化的能力,而不是麻省理工学院文科专业必须说的任何东西。
一本好书是 Jurafsky 和 Martin 的“语音和语言处理”。它对任务的计算模型有一些非常有用的应用。Harvey Sussman 对各种元音的 F2 斜率中的线性相关的研究(从谷仓猫头鹰开始,一直向人类发展)似乎在当今的模型中实现是一件好事。
Julius也是 Linux 的不错选择
Sphinx 是您在 Linux 上的最佳选择。我已经尝试过 Sphinx II 和 Sphinx III。有一些可用的开源语言和声学模型可以与它们中的每一个一起使用。根本不是生产级别的性能,但足以用于原型设计或演示。对于生产,您需要开发自己的语言和声学模型。