问题标签 [cmusphinx]

我一直在尝试将 HTk 与 sphinx4 结合用于语音识别应用程序。我将输入作为 wav 文件提供，并且我正在使用 sphinx 提供的“转录器演示”和“格子演示”，但是输出几乎是不可接受的。所以我决定用 Sphinx4 引入 HTK。但由此产生的输出似乎遥遥无期。我相信配置可以进一步调整..比我正在做的。我已经很好地搜索了是否有任何与使用 htk 和 sphinx4 相关的教程。除了这个惊人的博客（http://nsh.nexiwave.com/2009/09/using-htk-models-in-sphinx4.html）我还没有发现其他任何东西。任何人都可以在这里帮助我以提高我的识别准确性..

我的配置文件是狮身人面像如下：

任何帮助将非常感激

任何人都可以推荐可靠的开源软件来在 wav 文件中转录英语语音吗？我研究过的两个主要程序是Sphinx和Julius，但我从来没有能够让任何一个工作，而且每个关于转录文件的文档充其量是粗略的。

我正在 64 位 Ubuntu 10.04 上开发，其存储库包括 sphinx2 和 julius，以及 voxforge 的 julius 英语声学模式。我专注于转录文件，而不是直接处理来自麦克风的声音，因为我已经放弃了期望像这样的项目与 Ubuntu 的音响系统一起工作。这不是对 Ubuntu 的打击，因为我可以使用 Audacity 完美地用我的麦克风录制声音，但是这两个系统似乎都无法访问我的麦克风，所以我希望我可以通过从文件中读取来简单地配置它们。

我首先尝试了来自 Ubuntu 软件包 sphinx2-bin 的 Sphinx2。尽管示例 sphinx2-demo 似乎可以用于转录文件，但实际上没有关于配置的文档，所以我不确定如何自定义它以从任意 wav 读取。演示中使用的音频文件是一些未记录的“16k”格式，通过2个配置文件间接引用。有一个简短的说明，将 sphinx2-demo 描述为运行 sphinx2-batch，但检查脚本表明它实际上是在调用 sphinx2-continuous。更糟糕的是，每个脚本的 --help 文档列出了大约 6 打选项，并且没有提及哪些是必需的或可选的。总的来说，sphinx 文档的缺乏以及现有文档的质量差让我抓狂。

接下来我尝试了 Julius，再次来自 Ubuntu 软件包，考虑到 Voxforge 的快速入门中使用的版本是 3.5，它是令人惊讶的最新版本（4.1）。该软件包似乎包含更好的文档，甚至还有一个用 Python 编写的示例 (/usr/share/doc/julius-voxforge/examples/controlapp)。在阅读了示例的文档后，我尝试通过创建一个filelist.txt包含文本“hello.wav”的文件来调整它以从文件中读取，该文件引用了一个同名文件，其中包含有人说“hello”的录音。将它们放在同一个目录中，我运行：

得到回应：

通过为 filelist.txt 和 hello.wav 指定绝对文件名重试会产生相同的错误。

我还尝试了示例中使用的 Julius 调用，直接从麦克风录制：

我多次调用它，响应因错误而异：

和：

在后一种情况下，无论我对着麦克风说什么，都没有任何反应。我不知道它是否仍然无法读取麦克风，或者它是否正在读取某些内容，但根本无法转录音频。

我不知道该怎么做。我遇到的错误并没有给我留下太多的余地。为什么不能读wav？为什么它不能读取 /dev/dsp？为什么它看起来能够读取 /dev/dsp，但没有任何反应？

有没有其他人在开源语音识别器方面取得任何成功，尤其是在 Linux 上？

我有一个批处理文件，它执行收听麦克风并将其转换为文本的操作（我使用的是袖珍狮身人面像）。

我用来运行批处理文件的命令是pocketsphinx_continuous.exe -dict <dict name> -lm <language model> -hmm <acoustic model location>. 批处理文件启动并继续收听麦克风。每当我们说完一个句子时，它就会在命令提示符下将其转换为文本。由于它连续运行，我们通过Ctrl-终止此任务C。

我试图把它变成一个独立的 Java 应用程序。我想通过 Java 运行这个批处理文件，所以我使用Runtime.getRuntime().exec("cmd /c start pocketsphinx_continuous.exe ...")了所有参数。然而奇怪的是，它在单独的命令提示符下启动批处理但立即退出。我尝试使用process.waitfor()，但它只是开始执行批处理然后终止。我还没有打电话process.destroy，所以我无法弄清楚它为什么退出批处理。

另一个问题是，由于批处理文件是连续运行的，在每个口语句子都被转录后，我希望在我的 Java 应用程序中获得输出。我知道我可以将批处理重定向到文件然后读取文件，只是想知道是否有更直接的过程。你能帮我弄清楚我在哪里犯了错误。

我正在尝试为 Android 编译 pocketsphinx，但在编译过程中出现以下错误：

我已按照http://cmusphinx.sourceforge.net/2011/05/building-pocketsphinx-on-android/comment-page-1/中提到的所有步骤进行操作

文件 pocketsphinx_wrap.odorg 甚至不存在，但 pocketsphinx_wrap.od 存在于指定位置。

我将pocketsphinx_wrap.od 复制到pocketsphinx_wrap.odorg，并为每个文件赋予rwx 权限。仍然发生错误。

但是，当我运行它运行的应用程序并且在 logcat 中看到以下错误

有没有其他人遇到过类似的问题？这是否必须对文件权限做任何事情，或者文件的名称是否由于发生错误而设置错误？

提前致谢！！

我在互联网上查看了语音到文本转换 API。CMUSphinx、Android 内置 API（级别 3）和 pygooglevoice 存在。

其中哪个最准确？（我正在寻找在移动平台上使用的 API）。

谢谢。

正如标题一样，我在嵌入式设备上使用pocketshpinx 开发语音识别系统。我在嵌入式设备上安装了pocketshpinx。但是获取语音的时间很慢，识别结果很差。在应用程序运行期间，获取语​​音时间约5000ns到compute_frame_pow。有必要吗？如何提高计算率？

我尝试为我的应用程序使用 pocketsphinx 包，并且需要将演示包名称重命名为有用的名称（例如 com.myname.foo）

我花了几个小时弄清楚，但我根本无法让它发挥作用。

问题是，如果我留下包名并且没有任何问题（除了随机崩溃），项目运行良好，但是当我重命名它时，我得到了错误

我已经尝试过修改 Swig 命令，但也没有用。

有任何想法吗？

我只更改了Manifest的包名声明和正常Activity的包文件夹。

我正在寻找德语发音词典，以便用于 PocketSphinx / CMU Sphinx。

字典看起来像这样：

找到这些英文版没问题，但我找不到德文版。你知道在哪里可以找到它吗？

当我开始在 mac 上配置 pocketsphinx 时，在 SphinxBase 中使用此命令在终端上发生了 3 个错误

这些是错误

bitvec.lo 错误 1
​​安装递归错误 1
​​安装递归错误 1
​​安装递归错误 1

我该如何解决？

我想将单词转换为其 Arpabet 翻译。

就像是：

但我想在 java 中以编程方式进行，sphinx 在http://www.speech.cs.cmu.edu/tools/lmtool.html提供了一个网络工具。我知道我可以使用套接字在 Java 中请求这个工具并嗅出返回的 .dic 文件，但我不能使用它，因为并非我的应用程序的所有用户都有互联网连接。

我还检查了 Sphinx 的 logios 包，但它是用 perl 和批处理文件编写的。我可以使用它，但我想让我的应用程序独立于平台，如果我在项目中包含 perl shell，我认为这有点过火了。

如果有任何我可以重用的 java 库或算法，那么我可以执行类似的操作ConvertToSphinxArpabet("HELLO")，然后我会返回“HH AH L OW”字符串。