将Lmtool纳入PocketSphinx？

Question

我正在尝试创建一种向PocketSphinx中添加新关键字的简单方法。我们的想法是拥有一个临时文本文件，可用于（通过脚本）添加自动添加到corpus.txt，dictionary.dic和language_model.lm的单词（或短语）。

目前，最好的方法是使用lmtool，然后用更新的版本替换上述文件。然而，这提出了三个问题：

1. Lmtool对于大型库来说很慢，因此随着更多单词的添加，该过程将呈指数级变慢。
2. Lmtool需要半可靠的互联网连接才能工作，我希望能够在离线时添加命令。
3. 这不是添加命令的最有效方法，也不适用于我放在一起的设置。

我希望能够（如果可能的话）使用/创建lmtool的离线版本，该版本从临时文本文件（input.txt）获取输入并处理它们并将内容打印成三个临时文本文件（dic.txt，lm.txt，corp.txt）。

最后一步是运行一个脚本：

1. 获取corp.txt中的输出，并将其添加到corpus.txt。
的末尾
2. 查看dictionary.dic并在dic.txt中添加任何新单词。
3. 以某种方式修改language_model.lm以在lm.txt中包含新字词。
4. 删除三个输出文件的内容。

我的问题是，是否有可能获得能够将结果输出到特定文本文件的lmtool的离线版本？我知道有可能自动化lmtool（根据他们的网站），但我希望能够在可能的情况下离线运行该进程。

此外，在我可以作为向导之前，有没有人尝试过这样的事情？

我在树莓派上运行pocketsphinx，我知道它可能无法自行运行lmtool。我的计划是让lmtool在本地服务器上运行，并通过wifi / ethernet与pi同步文件。

任何帮助都将不胜感激。

Answer 1

你没有多少选择，如果你想在Raspberry Pi本地生成字典和语言模型（至少是2B型）

对于语言模型生成，您可以使用

1. CMUCLMTK或

2. SRILM（SRI语言模型工具包）

要在Raspbian上编译SRILM，您需要调整一些文件。 看看https://github.com/G10DRAS/SRILM-on-RaspberryPi

对于字典生成，您可以使用

1. Phonetisaurus可以使用G2P模型here（或者您可以使用phonetisaurus-cmudict-split生成FST，或
2. g2p-seq2seq（序列到序列G2P工具包）

基于TensorFlow的g2p-seq2seq，RaspberryPi不正式支持。有关详细信息，请参阅Installing TensorFlow on Raspberry Pi 3

有关详细信息（用法，如何编译等等），请查看相应工具包的文档。