7

因此，像许多其他人一样，我决定创建自己的语音识别引擎。事实证明，这根本不是一件容易的事，相反，尤其是对于英语来说，要做到这一点相当困难，因为我想说，一个单词的书写方式和它的发音方式之间存在着巨大的差异。来自格鲁吉亚，我决定为格鲁吉亚语言编写语音识别。在格鲁吉亚语中，您可以完全按照您的书写方式发音。这就像一个转录。这个事实会大大减轻我的任务吗？或者还有更困难的......困难：D？

4

2 回答 2

9

语音识别是一个复杂的领域，具有许多特定的算法、工具和方法。要创建自己的引擎，您可以从 CMUSphinx 开源语音识别工具包开始，它允许您：

  • 收集和处理支持格鲁吉亚语所需的数据
  • 为格鲁吉亚语创建模型
  • 用格鲁吉亚语实现语音识别引擎。
  • 使用引擎创建在桌面、服务器或 iPhone 上运行的语音识别应用程序（通过 OpenEars）

CMUSphinx 已经支持英语、德语、西班牙语、法语、荷兰语、俄语、普通话、冰岛语、意大利语和许多其他语言。添加一个新的非常简单。对于新人来说，通常需要一两个月的集中工作来实施所需的流程。

要开始访问主页：

http://cmusphinx.sourceforge.net

并阅读教程

http://cmusphinx.sourceforge.net/wiki/tutorial

如果您有任何问题，请在论坛或此处向他们提问！

而且，当您说格鲁吉亚语时，您只是拼写声音，这是一个非常普遍的误解。世界上大多数语言都不是这样。为了验证假设，请尝试在音频编辑器中录制一些音频，并检查哪些声音是实际发音的。你会感到惊讶。上面的教程详细介绍了这个问题。

于 2011-11-21T17:34:14.930 回答
5

来自格鲁吉亚的所有人听起来都一样吗？我认为不是......语音识别中的许多主要问题与语言本身没有直接关系：

  • 不同的人（女人、男人、孩子、老人等）有不同的声音
  • 有时同一个人听起来不同，例如当这个人感冒时
  • 不同的背景噪音
  • 日常讲话有时包含其他语言的单词（例如您在美国/英语中有德语单词 Kindergarden）
  • 一些不是来自这个国家的人本身学习了这种语言（他们通常听起来不同）
  • 有些人说得快，有些人说得慢
  • 麦克风的质量
    等。

解决这些问题总是很困难...除此之外，您还需要处理语言/发音...我不懂格鲁吉亚语，但您所描述的可能会使任务变得更容易，但它仍然是一个艰巨的任务。

编辑 - 根据评论：

使用好的库可能会降低时间框架，甚至有助于提高质量......但并非每个库都适合语音识别，尽管在其他一些与音频相关的问题上可能很出色......

有关参考，请参阅维基百科文章http://en.wikipedia.org/wiki/Speech_recognition - 它有一个很好的概述，包括一些链接和书籍参考，这是一个很好的起点......

至于如何设计这样的 API，请参见http://java.sun.com/products/java-media/speech/forDevelopers/jsapi-guide/Recognition.html

于 2011-11-20T15:59:48.677 回答