如何使用Sphinx从波形文件中获取MEL系数

Question

我需要一个基于java的特征提取库并找到Sphinx，但不知道如何使用。 基本上，我需要将wav文件转换为MEL系数。 一旦我在Matlab中完成了这个，但由于我不熟悉Java，我无法掌握如何使用他们的代码并提取功能。

顺便说一下，如果你知道另一个能够快速完成的开源库，那将非常有帮助。

更新： 由于我将在Android上使用它，我发现使用PocketSphinx可能是一个更好的主意。 （我尝试下载他们的demo app，但它没有在我的设备上运行（Nexus 5），它试图打开一个活动但立即关闭。）我也跟着these steps，但是没有收获。

如果有人可以帮助我弄清楚如何设置它会很棒。 我需要知道： 1-应使用哪些模块， 2-如何将库用于我自己的项目？ 3-如何设置库：应使用哪些功能以及如何使用。

提前致谢。

是否有使用

的分步指南

Answer 1

当然，可以使用sphinx4计算MFCC功能。但不会说会很快。 sphinx4中有一个前端的概念，负责处理输入数据。典型的前端看起来像这样：

  <component name="liveFrontEnd" type="edu.cmu.sphinx.frontend.FrontEnd">
    <propertylist name="pipeline">
      <item>dataSource </item>
      <item>dataBlocker </item>
      <item>speechClassifier </item>
      <item>speechMarker </item>
      <item>nonSpeechDataFilter </item>
      <item>preemphasizer </item>
      <item>windower </item>
      <item>fft </item>
      <item>autoCepstrum </item>
      <item>liveCMN </item>
      <item>featureExtraction </item>
      <item>featureTransform </item>
    </propertylist>
  </component>

前端的每个元素从前一个元素读取数据，以某种方式处理它，然后传递给下一个元素。这里dataSource接受原始音频输入和autoCepstrum输出MFCC系数。其他一切都与语音识别器的特定设置有关。现在，如果您想使用sphinx4来计算MFCC，您应该自己设置类似的前端，单独实例化和调优每个组件，或者使用ConfigurationManager编写XML配置并实例化前端。