问题标签 [sphinx4]

我正在编写一个（离线）语音识别应用程序。我有 CMU Sphinx4 设置并使用一些包含的演示词典工作。但是，它们的范围有限（例如……数字、城市等）。

有没有更全面的语法可用？或者也许是更多这些有限语法的存储库？在创建自己的选项之前，我试图用尽所有其他选项。

谢谢

我的目标是使用用户的语音输入来控制电机。因此，对于语音识别部分，我将 Sphinx 4 库与 Eclipse JAVA IDE（标准版）一起使用。我的操作系统是 windows 7。我的识别部分已经结束，所以 sphinx 4 程序将输出用户所说的字符串。下一部分是实现与控制平台（微控制器）的通信。为此，我打算使用 Arduino Duemilanove 或 Arduino UNO。但我无法弄清楚如何与 Arduino 板通信，甚至无法将识别的字符串发送到 Arduino 板。如果有人能帮助我解决这个问题，我将不胜感激。

我正在尝试使用 Eclipse IDE 构建 sphinx 源。但是当我尝试运行 build.xml 文件时它失败了。它会导致 100 个编译错误。有人可以帮忙吗？

构建失败

总时间：26秒

我在使用 Java 的 Sphinx 语音识别库时遇到问题。我正在使用它来获取输入并处理它。我第一次得到输入时，它起作用了。第二次，它在我有机会说话之前立即回答。在那之后，它只是继续回答自己。我尝试在每次输入之前分配并在每次输入之后取消分配，但这似乎不起作用。我能做些什么？

代码：

这是处理获取输入的方法：

你需要知道的：

• 这是从 a MouseListenerfor a调用的TrayIcon。
• speak(String)从. say <text>_Runtime
• matchInput(String)遍历数组中所有已注册的侦听器并测试匹配。

更新 2：

根据 Nikolay Shmyrev 的回答，我尝试在构造函数中分配麦克风，并在getInput().

这是 SphinxBridge 类：

但是，这仍然行不通。首先，它工作正常。然而，对于随后的所有时间，它同时表示Speak now和Try again。

解决方案：

从上面的代码中，我简单地添加了

在开始录制的行上方。

我正在使用 Sphinx-4 将语音转换为文本，但我需要应用程序识别语法，然后识别一系列单词。

例如，具有以下语法：

如果我说“Hello”然后是 Joan（或任何其他名字），我打算返回文本“Hello Joan”

我看到主题Dictation Application using Sphinx4但如果我更改设置将始终返回<unk>。这是正确的一步吗？如果是，我做错了什么？

我正在使用 Sphinx 库开发一个项目，我想动态修改语法规则。例如，假设我想添加规则open (Safari|Firefox)，但我只想在发生某些事情后添加它。在我在JSGFGrammer源文件中看到这条评论之前，我认为这是不可能的：

与 JSAPI 识别器不同，JSGF 语法只维护一个规则语法。未来可能会放宽这一限制。在识别过程中不应修改语法对 JSGFGrammar.loadJSGF 的调用将加载一个全新的语法，丢弃任何旧语法或更改。不需要调用 commitChanges（尽管在这种情况下这样的调用是无害的）。可以通过调用 RuleGrammar.setEnabled 和 RuleGrammar.setRule 来修改 RuleGrammars。为了使这些更改发生，必须在进行所有语法更改后调用 JSFGGrammar.commitChanges。

我试图将其添加到我的 Sphinx 相关对象的构造中：

我想添加这个词test作为一个规则，所以它会识别它。但是，当我开始时，我得到一个 NullPointerException 导致与jsgfGrammar. 我该如何正确地做到这一点？

更新 1：

在做了一些调整之后，我现在在这条线上得到了一个 NPE：

我做了一些测试，结果getRuleGrammar()是返回null。我该怎么办？

更新 2：

我发现我可以通过分配语法来摆脱 NPE。但是，我现在得到了这个异常：

这是新代码：

我正在为通用视频创建字幕生成器。一个主要的障碍是让每个单词的时间戳与视频保持一致，这让我现在有点想死。结果类有一个 getTimedBestResult() 函数，它应该以 word(timestamp) 的形式返回一些东西，例如：the(0:20-0:22)。在我调用它的那一刻，我得到一个输出，如下所示：“WordToken one null”其中一个是被识别的单词，null 应该是时间戳。我已经阅读了文档，但目前无法找到解决方案。

我使用 hub4 模型和 CMUdict0.6，如​​果这很重要的话，还有 wordPruningBreadthFirstSearchManager（lexTree 语言学家）。我不知道我在 config.xml 中是否做错了什么，

谢谢您的回复

我通过终端在我的 mac osx 10.9.1 上使用 Sphinx4 版本 4-1.0beta6。我还是这个 SR 应用程序的新手。我已经运行了 HelloWrold 示例并在 gram 文件中添加了一些新单词，并且它起作用了。现在，我想使用规则或其他有助于接受用户说出的更多句子的东西。我的问题是：

• 我怎样才能让我的 HelloWorld 做到这一点？我应该使用规则吗？如果是这样，有什么例子吗？
• 如果我使用了规则，如何将口语问题打印回给用户？

提前致谢。

我打算在听写模式下使用 sphinx4，但我对语言模型有疑问。我的应用程序将有一个非常大的词汇量，也就是说，它可以使用所有的英语单词，我不知道会说哪些短语。那么我应该使用哪种模型语言？Sphinx4 有针对这些情况的特定语言模型吗？

我打算使用 sphinx4 将语音转换为文本。我一直在阅读一些教程和评论以提高准确性，并且我正在使用以下改编：

• 声学模型 EN-US
• 语言模型 EN-US

使用通用声学模型和通用语言模型是由于不知道将要说什么词。

我正在使用以下代码：

发生的情况是响应很慢，可能是由于语言模型的大小，我几乎永远无法得到想要的结果。例如，如果我说“你好”，输出将是“哦”。

我做错了什么？我知道要提高准确性，我必须有一个特定的模型语言，但是这种方式对于使用这个应用程序并不实用。