问题标签 [vosk]

我在 ubuntu 18.04 上，我正在尝试编译一个 .c 文件，该文件附带我正在使用的 API，称为vosk。问题是python代码没有任何问题但是如果我尝试

他们提供的用于运行 API 的 .c 文件给了我这个错误：

所以我尝试了make与 test_vosk.c 文件位于同一目录中的 Makefile，但它给了我：

这是有道理的，因为目录 /usr/bin/ld 实际上并不存在于我的机器上。然后我尝试将 vosk_api.h 文件从它的目录（这是包含 test_vosk.c 的目录的父目录）移动到 test_vosk.c 文件的同一目录并更改

成一个

现在如果我再次编译

它给了我：

我已经坚持了好几天了，我真的不知道该去哪里，我对 linux 还是很陌生，因为我仍在学习基础知识，但如果有人可以帮助我，我将不胜感激。提前致谢！

我正在尝试将实时语音识别添加到我的 java 项目中（最好是离线）。通过一些谷歌搜索和尝试其他解决方案，我决定使用 VOSK 进行语音识别。然而，我遇到的主要问题是 VOSK 的文档很少，并且只有一个 java 示例文件，用于从预先录制的 wav 文件中提取文本，如下所示。

我试图将其转换为可以接受麦克风音频的东西，如下所示：

这似乎正确地捕获了麦克风数据（因为它也输出到扬声器），但 VOSK 显示没有输入，不断地将结果打印为空字符串。我究竟做错了什么？我正在尝试的甚至可能吗？我应该尝试找到一个不同的语音识别库吗？

我在 ubuntu 18.04 上，我正在尝试运行一个 .c 文件，该文件附带一个我只想运行的名为vosk的 API。问题是 python 脚本（API 附带的标准）没有任何问题，但是在使用它们提供make的 .c 文件（称为test_vosk.c）编译之后（所以我没有编写它）来运行 API：

并通过做来运行它

我收到此错误：

如果我尝试./test_vosk_speaker（这基本上是相同的脚本但具有另一个功能）会发生类似的事情：

这个 API 与另一个名为Kaldi的库一起使用，例如来自./test_vosk_speaker可能的错误提示与它相关的问题（这很奇怪，因为 python 工作！）。我仍在尝试学习 linux，但我真的不知道在哪里寻找这些东西，如果有人可以帮助我，那将非常有帮助。提前致谢！

如果它可以帮助编译的Makefiletest_vosk.c里面是这样的

并且要运行的脚本需要将模型放在同一目录中的文件夹中，test_vosk.c但是如果您不这样做并运行./test_vosk它，它将找不到模型，这是出现的错误：

当我在 Jupyter Lab 中重新启动内核后运行下面的代码时，如果我按下空格键，'aaa'则会出现突出显示（应该如此）。

但是，如果我不得不再次重新运行同一个单元格（没有重新启动内核），空格键只会导致 Jupyter Lab 向下滚动并且它被忽略，pygame尽管程序在其他所有方面仍在运行

关于每次在 Jupyter Lab 中运行该单元时如何使按键工作的任何想法？

谢谢

我在 python 中遇到了“sounddevice”包的问题。具体来说，该软件包能够识别我笔记本电脑（Windows 10）中默认麦克风的音频，但是当我将它连接到 airpods 时，它似乎没有检测到任何音频。此外，我也能够从 PyAudio 流中检测到类似的行为。

为了确认，airpod 的麦克风和扬声器确实可以正常工作。另外，我正在使用 vosk 库。我将提供一个片段代码（我怀疑导致错误的代码部分）和整个代码。

片段代码：

完整代码：

此外，上面的完整代码是可复制的，但您必须下载 1.0 GB 的模型（https://alphacephei.com/vosk/models/vosk-model-en-us-daanzu-20200905.zip）或者您可以下载127 MB 的更轻版本（https://alphacephei.com/vosk/models/vosk-model-en-us-daanzu-20200905-lgraph.zip）[但我不确定更轻的版本 nas 我还没有尝试过]，然后提取脚本所在的 .zip 文件并将其命名为“音频模型”。对于依赖项，pip3 install vosk并且pip3 install sounddevice.

这是我第一次在这个网站上发布问题，所以我提前为错误的格式道歉。

编辑
我不知道它是否有帮助，但是当我在通话（Zoom、Teams、Discord 等）并连接了我的 airpods 并且我尝试应用程序来识别它时，它会识别它。但是，当通话结束并且我断开连接时，它会停止识别。

我想要一个快速的离线语音识别器（如 vosk 或 sphinx）作为谷歌语音识别的唤醒词，所以它并不总是能听到我们说的话。

想要唤醒这个词：

Vosk 可以很好地输出单词的时序，但是对于单词中的音节/音素，Vosk 是否有选项或技术可以将输出分开？

使用与 Vosk 存储库中的 test_ffmpeg.py 非常相似的文件，我正在探索可以从音频文件中获取哪些文本信息。

这是我正在使用的整个脚本的代码。

此示例运行良好，但是，我可以从 rec.PartialResult() 和 rec.Result() 中找到的唯一返回是带有结果的字符串字典。有没有办法查询 KaldiRecognizer 在音频文件中找到单个单词的时间？

当我输入这个时，我已经在考虑详细说明结果，并检测部分结果与当前样本相比的变化会给我想要的东西，但我把它贴在这里以防万一它已经实施的。

我有一个使用 kaldi 对几个单词进行语音识别的自定义训练模型。现在，当我使用 android studio 在 vosk 中整合 kaldi 模型时，它给了我这个错误。请有人帮助我。

VoskAPI：ExpectToken():io-funcs.cc:200) 无法读取令牌 [从文件位置 0 开始]，预期

请点击下面的蓝色文字打开图片。 安卓工作室错误

我的模型结构

android studio java的完整代码。

我曾尝试使用 VOSK，但收到此错误：