问题标签 [vosk]

我正在使用 vosk 进行语音识别。有谁知道词汇词典的位置以及如何编辑它以添加或删除单词？

我的项目的一些背景：

我正在做一个语言人工智能项目。我需要一个语音识别引擎来将口语转换成文本。我开始使用 CMUSphinx。PocketSphinx 更精确。我喜欢pocketsphinx，但有人告诉我它已经过时了，而vosk要好得多。然而，就从头开始创建字典和以编程方式在不同字典之间切换而言，pocketsphinx 非常易于使用。

我正在尝试使用 vosk 作为语音识别器。它似乎确实可以更快、更准确地解码语音。但到目前为止，我还没有找到任何关于如何修改词汇词典的信息。在我的语言 AI ​​项目中，修改字典内容的能力至关重要。因此，如果有人能指出如何修改 vosk 字典的信息，我将不胜感激。到目前为止，我还没有找到有关如何执行此操作的任何信息。关于 vosk 的资料很少，特别是教程或详细说明的方式。

谢谢你。

编辑添加：

这是我所指的 vosk API 的 GitHub 页面：

https://github.com/alphacep/vosk-api

回忆。我https://github.com/alphacep/vosk-api我正在尝试设置它，但我不能，之前有人可以设置它吗？

如何在 Unity 项目中实现和使用 Vosk 库？请在此处编写步骤 1,2,3... Vosk 库 - https://github.com/alphacep/vosk-api

所以 Vosk-api 是一个出色的离线语音识别器，具有出色的支持，但在本文发布时（2020 年 8 月 14 日）文档非常差（或巧妙地隐藏）

问题是：是否有任何替代google-speech-recognizer功能，允许通过语音适应进行额外的转录改进？

例如

对于谷歌来说，这个配置意味着短语天气将具有更高的优先级，例如，哪个听起来相同。

还是类令牌？我知道它可能不会在 Vosk for python3 中实现，但仍然......

以下是参考资料：

https://cloud.google.com/speech-to-text/docs/class-tokens

https://cloud.google.com/speech-to-text/docs/speech-adaptation

我想开发应用程序，只要它识别出一个关键字，它就会做一些事情。它需要一直处于聆听模式，也需要在后台。我接触过这个和这个。我在运行它，但是当我说话时它不起作用。实际上我读它仍然不支持我的母语。是这个原因吗？我想知道它是如何工作的？它是否正在对文本进行语音并将其保存在资产文件中？它在后台运行吗？是用AI模型吗？当两个应用程序需要并行麦克风资源时它的行为如何？噪音？它可以与神经网络 API 一起使用吗？我怎样才能开始开发这样的东西？

谢谢！

我正在使用 Agora SDK 进行语音通话，并且我希望在通话时进行语音转录，所以我使用 Vosk SDK 来转录我的语音

在这里，我面临一个问题，即不是两个 SDK 同时都可以工作，要么 Agora Voice call 可以工作，要么 Vosk

这里的问题是一次只有一个 AudioRecorder 可以访问录音

但是我希望两者可以一起工作，以便我可以同时实现语音转文本和语音通话功能

有什么办法可以解决这个问题吗？

当我尝试使用我自己的音频文件运行 test_ffmpeg.py 时，它并没有真正显示最后的所有翻译。但它只显示最后一段/批次。就像，我的音频文件是这样的：

将会发生的事情是它会闪烁所有这些文本，并且看起来它们已按预期翻译，但在脚本的末尾，它只显示The quick brown fox jumps over the lazy bat作为最终结果

在检查实际文件时，这一行应该显示所有翻译的文本，但它只打印捕获的最后一部分。

我使用的 vosk 模型是 vosk-model-en-us-aspire-0.2 (1.4GB)。每次都需要相当长的时间来加载 vosk 模型。每次都需要重新创建vosk对象吗？如果我们只加载一次模型，加载模型需要很长时间。它可以节省至少一半的时间。

我正在使用 Vosk 服务器进行语音到文本的转换。我发送使用此方法获得的音频/wav blob 数据

从 RecordRTC ( https://recordrtc.org/RecordRTC.html ) 在 16000 个样本中使用 LINEAR16 编码到 Vosk WebSocket 服务器 ( https://github.com/alphacep/vosk-server/blob/master/websocket/asr_server.py）。该服务器使用 Vosk-server 附带的 test16k.wav 文件进行测试，但对我的音频数据返回一个空的检测响应。将数据发送到 Vosk 的正确方法是什么？

我对 Vosk a 有疑问。豪猪控制台：

我的代码：