Question

在我尝试使用PocketSphinx for Android之前，我使用了Google的语音识别API。我不需要设置搜索名称或字典文件。它只是认出了所说的每一个字。

现在，在PocketSphinx中，我需要这样做。但是我只能找到如何为一个单词设置识别，或者设置字典（演示项目中可用的字典只有很少的单词），识别器认为这些是唯一存在的单词，这意味着如果有人说类似的话，识别器认为它是字典中列出的单词。

我只是想问一下，我怎么能设置一些搜索名称，或者如何设置它来识别所有可用的单词（或者甚至是大量的单词）？也许某人有一个包含大量单词的字典文件？

Answer 1

在我尝试使用PocketSphinx for Android之前，我使用了Google的语音识别API。我不需要设置搜索名称或字典文件。它只是认出了所说的每一个字。

Google API也会识别一大堆但仍然有限的单词。很长一段时间它都未能识别出“Spotify”。谷歌离线语音识别器使用大约50k字，如publication中所述。

我只是想问一下，我怎么能设置一些搜索名称，或者如何设置它来识别所有可用的单词（或者甚至是大量的单词）？也许某人有一个包含大量单词的字典文件？

演示包括使用语言模型（预测部分）的大词汇量语音识别。可以下载更大的英语语言模型，例如En-US generic language model。

运行识别的简单代码就是：

 recognizer = defaultSetup()
   .setAcousticModel(new File(assetsDir, "en-us-ptm"))
   .setDictionary(new File(assetsDir, "cmudict-en-us.dict"))
   .getRecognizer();
  recognizer.addListener(this);

  // Create keyword-activation search.
  recognizer.addNgramSearch(NGRAM_SEARCH, new File(assetsDir, "en-us.lm.bin"););

  // Start the search
  recognizer.startListening(NGRAM_SEARCH);

然而，它们不容易适应设备并实时解码。如果您想要使用大量词汇实时解码语音，则需要将音频流式传输到服务器。或者您需要将词汇和语言限制为通用英语的一小部分。您可以在tutorial中了解有关CMUSphinx中语音识别的更多信息。

Answer 2

更新，2019年，我建议每个人都在Android上尝试Kaldi库。您可以找到演示here。它实际上是一个实时运行的大型词汇语音识别器（LM中为70k个单词）。

CMUSphinx PocketSphinx - 识别所有（或大量）单词

2 个答案: