CMUSphinx系列目錄

關(guān)于中文識(shí)別

網(wǎng)上很多都是學(xué)習(xí)自下面的博客，Sphinx武林秘籍(上)

但很多人照做之后紛紛表示識(shí)別不出來(lái)，我們猜測(cè)是某個(gè)參數(shù)設(shè)定錯(cuò)誤或者版本變化導(dǎo)致的

http://www.cnblogs.com/huanghuang/archive/2011/07/14/2106579.html

然后最近我也看了幾篇，查看思路發(fā)現(xiàn)了下面兩篇文章

http://leiwuluan./blog/1287305 - pocketsphinxAdroid離線語(yǔ)音識(shí)別---入門

http://zuoshu./blog/1463867 - Android平臺(tái)使用PocketSphinx做離線語(yǔ)音識(shí)別，小范圍語(yǔ)音99%識(shí)別率

這兩篇文章，一個(gè)說(shuō)20%識(shí)別，一個(gè)說(shuō)99%

然后再仔細(xì)看之后發(fā)現(xiàn)是 tdt_sc_8k 中文識(shí)別模型

然后小范圍語(yǔ)音99%識(shí)別率這個(gè)博客的博主（好長(zhǎng)的稱呼，直接叫99博主算了。。。）說(shuō)的直接用在線工具（http://www.speech.cs./tools/lmtool.html）生成的字典和語(yǔ)言模型，那時(shí)候我去測(cè)試了下，發(fā)現(xiàn)不支持分詞，也不支持語(yǔ)料庫(kù)里注音，我就直接扔掉了結(jié)果。。?，F(xiàn)在想來(lái)，我應(yīng)該也測(cè)試一把的

然后我突然想到，上次那個(gè)zh_broadcastnews_ptm256_8000 雖然測(cè)試的沒(méi)識(shí)別出來(lái)任何東西，但不是有個(gè)很全的語(yǔ)料庫(kù)嗎？2.1mb的純文本

我就去打開了看，并挨個(gè)單詞搜了下，單詞的確很全

但是LM模型呢？在線工具不支持中文分詞。。。我自己有沒(méi)搞懂lm的格式和參數(shù)各自是什么

然后想到不支持分詞，那我自己分詞，然后讓在線工具生成不行嗎？就跟上午英語(yǔ)識(shí)別一樣

下面是我的command6.txt

打開 瀏覽器
打開 音樂(lè)
打開 記事本
關(guān)閉 窗口
關(guān)閉 音樂(lè)

然后直接用生成的6010.lm，因?yàn)?010.dic注音表完全是空白的（在線工具不支持中文注音映射到英文）直接扔掉。

然后直接調(diào)用了zh_broadcastnews_utf8.dic，發(fā)現(xiàn)識(shí)別不出來(lái)。。。明明和上午的格式一樣

然后想起來(lái)zh_broadcastnews_utf8.dic這個(gè)這么大，lm那么小，是不是太大了，而且文件開頭一大段看不懂的東東然后我自己就臨時(shí)創(chuàng)建了一個(gè)6010.dic

內(nèi)容是

窗口 ch uang k ou
打開 d a k ai
關(guān)閉 g uan b i
記事本 j i sh ib b en
瀏覽器 l iu l an q i
音樂(lè) y in uxs uxe

這里的發(fā)音是怎么出來(lái)的？我其實(shí)就是在zh_broadcastnews_utf8.dic里面查找到那個(gè)單詞后，復(fù)制過(guò)來(lái)的

然后測(cè)試

pocketsphinx_continuous -hmm tdt_sc_8k -lm 6010.lm -dict 6010.dic

我去，竟然能識(shí)別的出來(lái)。。。下面是結(jié)果

INFO: ngram_search.c(875): bestpath 0.00 CPU 0.000 xRT
INFO: ngram_search.c(878): bestpath 0.00 wall 0.001 xRT
000000003: 打開 瀏覽器
READY....
Listening...
Stopped listening, please wait...
INFO: cmn_prior.c(121): cmn_prior_update: from < 50.66  1.37  0.15  0.75 -0.44
0.37  0.02  0.19 -0.09  0.08  0.04 -0.07 -0.00 >
INFO: cmn_prior.c(139): cmn_prior_update: to   < 52.13  1.51  0.64  0.68 -0.80
0.44 -0.26  0.10 -0.07 -0.03  0.08 -0.19 -0.02 >
INFO: ngram_search_fwdtree.c(1549):      825 words recognized (5/fr)
INFO: ngram_search_fwdtree.c(1551):    18335 senones evaluated (111/fr)
INFO: ngram_search_fwdtree.c(1553):     7691 channels searched (46/fr), 965 1st,
 4828 last
INFO: ngram_search_fwdtree.c(1557):     1203 words for which last channels evalu
ated (7/fr)
INFO: ngram_search_fwdtree.c(1560):      343 candidate words for entering last p
hone (2/fr)
INFO: ngram_search_fwdtree.c(1562): fwdtree 0.05 CPU 0.028 xRT
INFO: ngram_search_fwdtree.c(1565): fwdtree 2.52 wall 1.528 xRT
INFO: ngram_search_fwdflat.c(305): Utterance vocabulary contains 5 words
INFO: ngram_search_fwdflat.c(940):      630 words recognized (4/fr)
INFO: ngram_search_fwdflat.c(942):    14119 senones evaluated (86/fr)
INFO: ngram_search_fwdflat.c(944):     6618 channels searched (40/fr)
INFO: ngram_search_fwdflat.c(946):     1293 words searched (7/fr)
INFO: ngram_search_fwdflat.c(948):      206 word transitions (1/fr)
INFO: ngram_search_fwdflat.c(951): fwdflat 0.03 CPU 0.019 xRT
INFO: ngram_search_fwdflat.c(954): fwdflat 0.02 wall 0.015 xRT
INFO: ngram_search.c(1201): </s> not found in last frame, using <sil>.163 instea
d
INFO: ngram_search.c(1253): lattice start node <s>.0 end node <sil>.105
INFO: ngram_search.c(1281): Eliminated 99 nodes before end node
INFO: ngram_search.c(1386): Lattice has 215 nodes, 219 links
INFO: ps_lattice.c(1352): Normalizer P(O) = alpha(<sil>:105:163) = -1028613
INFO: ps_lattice.c(1390): Joint P(O,S) = -1029390 P(S|O) = -777
INFO: ngram_search.c(875): bestpath 0.00 CPU 0.000 xRT
INFO: ngram_search.c(878): bestpath 0.00 wall 0.001 xRT
000000004: 關(guān)閉 音樂(lè)

如果的確說(shuō)了的話，也跟上午的準(zhǔn)確率差不多，說(shuō)了11句，全部識(shí)別正確了

不過(guò)這個(gè)識(shí)別庫(kù)貌似比較敏感，我沒(méi)說(shuō)話，只有鍵盤聲音他竟然能識(shí)別成打開

要實(shí)用的話、這個(gè)問(wèn)題可能要解決。

然后hmm模型調(diào)用 zh_broadcastnews_ptm256_8000之后，發(fā)現(xiàn)他智能識(shí)別一開始語(yǔ)料庫(kù)里出現(xiàn)過(guò)，所以在語(yǔ)料庫(kù)有記錄的組合

這樣的話，損失一些自由度，比如我開始的語(yǔ)料庫(kù)沒(méi)有 ”打開窗口“這句話，但是使用tdt_sc_8k這個(gè)模型,他能準(zhǔn)確的識(shí)別出來(lái)，而zh_broadcastnews_ptm256_8000識(shí)別不出來(lái)。應(yīng)該是對(duì)lm的依賴度和策略選擇問(wèn)題。

上午的hub4wsj_sc_8k和tdt_sc_8k都是默認(rèn)提供的簡(jiǎn)單模型，實(shí)際使用識(shí)別都很準(zhǔn)確。但是tdt_sc_8k有時(shí)候過(guò)于自由敏感，某一次連鍵盤敲擊聲竟然都識(shí)別成了打開

不過(guò)有人說(shuō)話的話還是很準(zhǔn)確的。

至于這個(gè)自由度的度量，只能看你們需要什么程度的模型了。

然后就是那個(gè)zh_broadcastnews_utf8.dic這個(gè)字典、如果你不想自己搜索，并粘貼過(guò)去，可以。但是你需要把dic字典文檔的編碼轉(zhuǎn)換成GB2312的、那樣才能識(shí)別，否則系統(tǒng)識(shí)別不了你的字典。因?yàn)閦h_broadcastnews_utf8.dic這個(gè)本身的編碼是utf8的、而windows下貌似默認(rèn)識(shí)別的是GB2312；UTF-8的會(huì)出現(xiàn)亂碼或者不能識(shí)別

而linux下又只是識(shí)別UTF-8，而不識(shí)別GB2312。跟著武林秘籍訓(xùn)練lm和dic的可以查看下你們訓(xùn)練的文檔編碼格式對(duì)不對(duì)，有時(shí)候這個(gè)編碼錯(cuò)誤，直接出現(xiàn)空白的

能識(shí)別到中文真是糾結(jié)啊，各種查官網(wǎng)資料，語(yǔ)音識(shí)別資料，還有好幾個(gè)博客。

雖然有些照做不能跑，但是畢竟博主們都各自運(yùn)行成功過(guò)，都有不少借鑒價(jià)值

這套方案，雖然挺麻煩的，但至少可以用。大家先參考下