Question

我正在努力提高pocketphinx在嘈杂环境中的识别准确度。但是，用户可能会在可变环境中使用该应用程序。因此，我不想做有关噪音的训练。

我的问题是，在将语音信号输入到pocketsphinx之前降噪是否必然会降低识别准确度？

如果是，降噪后需要保留哪些语音功能？目前我观察到如果我使用降噪，WER从~40％（自由形式语言）上升到~60％。

只是补充一下，降噪后，语音听起来确实听起来更好。

Pocketsphinx argfile:

-lm   lm_giga_64k_vp_3gram.DMP
-dict lm_giga_64k_vp.sphinx.dic 
-hmm  voxforge_en_sphinx.cd_cont_5000

这里的想法是通过启用降噪来证明语音识别准确度的提高，直观地说，除非降噪算法完全弄乱了信号的频谱内容，否则理想情况下应该这样做。

任何帮助都将不胜感激。

Answer 1

目前我观察到如果我使用降噪，WER从约40％（自由形式语言）上升到约60％。

这些是非常糟糕的费率，因为：

1）您使用的是过时的模型

2）你使用的是过时的pocketphinx，没有降噪。

外部降噪通常会降低语音识别的准确性，幸运的是最新的pocketphinx拥有自己的降噪模块，使其对噪音非常稳健。你只需要更新。为了获得最佳效果，您需要：

下载并使用最新的sphinxbase和pocketsphinx

2）下载最新的声学和语言模型：

这将允许您设置适当的基线。要尝试打开和关闭降噪功能，可以使用命令行配置选项：

-remove_noise yes/no

有关如何降低精度（包括噪声稳健性）的进一步建议，您应该更好地提供要识别的音频的测试样本。详见：