我已经按照教程https://cmusphinx.github.io/wiki/tutorialam/来为我的越南语训练新的声学模型。简而言之，我记录了从0到9的数字以进行训练，并且还使用这些经过训练的数据进行测试。因此，准确度应为预期的100％。但是，它只有大约20％（仅识别2和3）。我已经重新录制了很多遍，但是没有改变。我可以确保完全满足所有要求，例如16k采样率，16位深度，...
有人可以给我一些解释以及改进模型的方法吗？谢谢你们
答案 0 :(得分：1)
好的，这是我为所有遇到相同问题的人提供的解决方案https://sourceforge.net/p/cmusphinx/discussion/help/thread/4563203ac5/。
答案 1 :(得分：0)
训练数据不足。根据{{3}}，您需要：
- 一个小时的录音，用于单个扬声器的命令和控制
- 录制200个扬声器的5小时，以控制和控制许多扬声器
- 单人听写10个小时的录音
- 200个扬声器的录音长达50小时，满足许多讲话者的口述
您可以从tutorial
获取越南语数据