我想找到一些开源代码（虽然我会选择一个封闭的源产品）来转换日语假名的传入音频流（即辅音+元音对）并将它们实时打印出来。
但是，我想将这些基本声音单元用于我自己的自定义目的，所以我不想要任何试图提取真正日语单词的高级处理。我只想得到原始假名。
有人知道这种技术吗？
我今天才知道日语'字母'基本上是Kana的10x5网格。 10列（空+9辅音）和5行（元音）
并且每个元素被称为'假名'，并且该语言由这些假名的序列组成;这些是基本构建模块。
这肯定会对语音识别算法产生很大影响。
对于西方语言，我所知道的所有商业语音识别引擎都源自CMUSphinx，它运行在三元模型上：它表示具有唯一MFCC向量的三个音素之间的每个运动，并且最有可能一个话语的三元语法序列（从中可以简单地推断出音素，然后通过它的WORD-triplets字典，找出最可能的句子）。
但对于像日语这样的语言，我猜这可能不再是最有效的算法。
相反，尝试捕捉每个假名或假名对可能是有意义的。
......这将是2克或4克。但不是3！
那里有什么吗？或者他们只是使用与西方世界相同的引擎？
答案 0 :(得分：2)
朱利叶斯拥有日语的声学和语言模型。 试一试，看看它是否适合您的应用。
我不知道他们是否训练过语言模型，但Julius可以支持任何n-gram命令 反向通过。在前进中，它是支持二元组。通常反过来使用4克 通过。两个LM都使用Julius工具放在一起。
路易斯 ASR实验室