问题标签 [sphinx4]

我目前致力于开发西班牙语 (MX) 简短采访（时长约 2 分钟）的音频转录器。我一直在网上冲浪，但找不到这个，也许太容易了：/。在运行 .jar 时，我收到此警告（我假设）来自 es_MX_broadcast...voxforge 包的 /etc/h4.dict 中所有带有重音符号的单词，并且根本没有转录或其他错误。

...

WARNING dictionary The dictionary is missing a phonetic transcription for the word 'kyrgyzst�'

'WARNING dictionary The dictionary is missing a phonetic transcription for the word 'explotaci�'

WARNING dictionary The dictionary is missing a phonetic transcription for the word 'inclu�'

...

我的线索是文本编码器可能存在一些配置问题，但也许我需要创建语言模型。我真的很想训练它，但首先我需要它工作。这是 config.xml 文件的 linguist/dictionary/language_model/acoustic_model 部分

-------- 这是新信息（2013 年 10 月 3 日）----------

谢谢，但这不是问题。该文件已经是 UTF8 并且我已经将 JAVA TOOLS OPTION 设置为 UTF8，还使用 ​​-Dfile.encoding 运行 .jar 并且任何更改，我得到相同的列表。这很奇怪，因为我试图弄清楚文件中是否还有另一个字典列表，但我一无所知。这真的很奇怪，因为 h4.dict 是大写的，警告是小写的，还有一些带有重音的单词没有出现在警告列表中。我试图用更少的单词保存另一个 .dict 文件，但它没有用，实际上警告中出现了更多的单词。

我不知道我没有像其他演示中使用的那样将 .jar 用于声学模型是否重要，或者是否与根本没有转录或其他错误的事实有关。

我真的希望任何人都可以帮助我弄清楚，同时我会更加努力。

非常感谢提前

我使用 MATLAb 将 .wav 文件转换为 .mfc 文件。我找到了两个 MATLAB 代码来做同样的事情。

http://www.ee.columbia.edu/~dpwe/resources/matlab/rastamat/

http://www.mathworks.in/matlabcentral/fileexchange/32849-htk-mfcc-matlab/content/mfcc/example.m

然而，两者都给出了不同的 MFCCS。其中一个是提供一个 20 行的 mfc 文件，另一个是 13 行。我猜有 13 个 MFCC 系数，那么 13 行是否代表 13 个系数？我还必须使用两个波形文件的 MFCC 来找出一个声音是如何在另一个文件中出现的。但结果并不正确。请帮忙。

我从这里下载了Sphinx 4 beta版本 3 ，但是当我尝试导入 Eclipse 时，它​​说它的文件夹中没有有效的项目文件

如何为此创建有效的项目文件？

我的目标是控制使用语音输入，例如“前进”和“后退”。我希望在编程部分使用 Sphinx 4 (JAVA)。另外我打算使用笔记本电脑来提供输入语音。我对语音识别研究完全陌生。所以有人可以指导我从哪里开始，并在 sphinx 4 中为我提供一个示例代码来捕获几个简单的单词。

我训练了我的声学模型，并在一个小数据（10 个越南语单词）上获得了可接受的准确率（85%）。但是当我将此模型集成到 Transcriber 示例（与 Sphinx 4 一起打包）并尝试转录上述 10 个单词中的一个单词时，我收到了一个“回退到非递归分区”列表。我需要它来输出一个单词。

这是我的项目。

任何的想法？谢谢

我正在使用 sphinx4 进行项目。我尝试运行应用程序 helloworld 但我不断收到以下错误

我检查了 jre 版本、路径、导入、jar，发现一切正常。我还为 build.xml 和 demo.xml 运行 ant build。我认为问题出在 helloworld.config.xml 中，但我无法弄清楚。这是 hello.config.xml 文件：

任何帮助为什么我仍然收到此消息？！我可以做哪些可能的修复/检查？！

我下载了 sphinx4-1.0beta6-bin.zip并将其安装在我的 64 位 Ubuntu 12.04 LTS 上。我能够运行该HelloWorld示例。但是，当我创建自己的类并创建一个Configuration对象时，如下所示：

它被标记为错误。即使我在库中有适当的 jar 并且库在构建路径中， Eclipse也根本找不到该类。

以下是图书馆中的罐子：

1. js.jar
2. jsapi.jar
3. sphinx4.jar
4. tags.jar

那么，为什么我会收到这个错误？

我的 WAV在开头和结尾都有一些小的嗡嗡声。该文件是否适合 Sphinx 培训？如果是，我是否必须在转录文件中包含一些特殊字符？

感谢你并致以真诚的问候。

我以 Sphinx4 HelloWorld 为例，制作了自己的语法文件，其中包含“什么是病毒”或“什么是应用软件”之类的句子，简单的 JSGF 内容，我确实分别标记了每个句子，如下所示：

没有 n-gram，因为我不完全理解它，我不确定它是否适用于这样一个简单的例子（或者我认为它不适用）。无论如何，代码只是 HelloWorld.java 的复制粘贴，并且识别效果很好，我会说它大约 90% 准确。

现在我把这段代码放到一个 Runnable 中，启动了一个新线程，突然间识别率非常可怕，大约为 10%（十分之一是正确的）。

显然，我直接在应用程序中使用我的麦克风（内置笔记本电脑麦克风）捕捉声音，并且我看到了一些建议，即声音应该根据我使用的字典（这是标准 WSJ_8gau_13dCep_16k_40mel_130Hz_6800Hz）重新采样，所以我的第一个问题是：内置的mic.startRecording() 方法可以做到吗？- 这个问题的原因是在主线程上运行的HelloWorld似乎不需要重新采样？

我的第二个问题是我认为多线程会显着降低性能是否正确？如果是的话，有没有办法在不对代码进行大修的情况下解决这个问题？

为了记录，我问是因为我正在使用 SWT 和 Sphinx4 在 Java 中编写一个简单的类似 Jeopardy 的语音识别游戏，主应用程序在主线程上运行，而识别在另一个线程上运行。我目前使用 ZipCity 示例识别听众的方式，但即使它在主线程上运行，它的效果也很糟糕，所以我将跳到更简单的识别方式，这就是我进行 HelloWorld 测试的原因。

编辑：我忘了提到我通常在错误的准确性示例中得到空的结果文本

这是代码，尽管它与示例中的完全相同：

好的工作之一：

工作不好的一个：

我会尽快尝试发布一些结果，但正如所说的第一个工作正常，第二个通常会触发 resultText.isEmpty()，即使它“识别”某些东西，它通常也是错误的。

EDIT2：我提高了麦克风的性能和音量，而且效果更好，但我仍然无法理解为什么会发生这种情况，因为正如我所说，在主线程中运行时，没有提高麦克风的结果仍然非常好。

主应用程序的性能也好得多，从 12 比 2 提高到 12 比 6。

我想稍微修改一下 Sphinx-4 的 helloworld.java 并将其用于发音评估。

为此，我想知道两件事：

1. logTotalScore 和 logAcoustic Sc​​ore 代表什么。（如果可能，请举例说明。）

2. HelloWorld 在任何地方都使用 HMM 吗？