Question

我正在开发一个网络语音识别应用程序。我正在使用recorderJS来捕获声音并将其发送到应该使用CMU Sphinx进行处理的后端。我使用默认声学模型，语言模型和词典发现了最新版本5prealpha的库，然后使用JSGF语法减少了识别单词的数量，因此我使用了1.0 beta6版本。使用1.0 beta6版本的麦克风识别是非常准确的，但是当我录制声音时，它总是很差。我想知道如何提高准确度。我尝试使用StreamSpeechRecognizer和最新版本，但它也给出了不好的结果。

Answer 1

我设法获得了很好的准确性。我查看了edu.cmu.sphinx.frontend.util.Microphone类的实现，发现采样率为16000，比特率为16，通道数等于1.我在recorderJS和I中进一步查看发现在谷歌浏览器中，采样率是44100，所以我找了一个可配置版本的库，我找到了Matt Diamond＆amp; RecorderJS的Chris Rudmin分叉。我没有使用最新版本，因为声音是在ogg中导出的，我需要它是wav所以我查看了以前的版本;我使用版本0.3，其中比特率是可配置的，它工作正常。我后来修改了它附带的示例，以下参数给出了很好的准确性：

监控增益：0

bitDepth：16

频道数量：1

recordOpus：未选中

采样率：16000

比特率：32000

这是cmu sphinx的xml配置文件中流数据源的配置。

    type="edu.cmu.sphinx.frontend.util.StreamDataSource">

    <property name="sampleRate" value="16000" />

    <property name="bitsPerSample" value="16" />

    <property name="bigEndianData" value="false" />

    <property name="signedData" value="true" />

</component>

CMU Sphinx转录准确度

1 个答案: