编写语音识别引擎

Question

所以，像许多其他人一样，我决定创建自己的语音识别引擎。事实证明，这根本不容易，相反，特别是英语语言难以实现，因为我说，一个词的方式之间存在着戏剧性的差异。写的，以及它的发音方式。来自格鲁吉亚，我决定为格鲁吉亚语写作语音识别。在格鲁吉亚语中，您可以按照写作方式发音。它就像一个转录。这个事实会明显减轻我的任务吗？或者甚至更难......困难：D？

Answer 1

语音识别是一个复杂的领域，有许多特定的算法，工具和方法。要创建自己的引擎，您可以从CMUSphinx开源语音识别工具包开始，它将允许您：

• 收集和处理支持格鲁吉亚语所需的数据
• 为格鲁吉亚语创建模型
• 在格鲁吉亚语中实施语音识别引擎。
• 使用引擎创建在桌面，服务器或iPhone上运行的语音识别应用程序（通过OpenEars）

CMUSphinx已经支持英语，德语，西班牙语，法语，荷兰语，俄语，普通话，冰岛语，意大利语和许多其他语言。添加一个新的非常简单。对于新人来说，通常需要一到两个月的集中工作来实施所需的流程。

要开始访问主页：

http://cmusphinx.sourceforge.net

并阅读教程

http://cmusphinx.sourceforge.net/wiki/tutorial

如果您有任何疑问，请在论坛或此处询问！

而且，当你说格鲁吉亚语时，你只是拼写声音是一个非常普遍的误解。对于世界上大多数语言来说，情况并非如此。要测试假设，请尝试在音频编辑器中录制一些音频，并检查哪些声音实际上是发音的。你会感到惊讶。上面的教程详细介绍了这个问题。

Answer 2

来自佐治亚州的所有人听起来完全一样吗？我认为不是......语音识别中的许多重大问题与语言本身没有直接关系：

• 不同的人（女人，男人，孩子，长辈等）有不同的声音
• 有时同一个人听起来不同，例如当人感冒时
• 不同的背景噪音
• 日常讲话有时包含来自其他语言的文字（就像你在美国/英语中有德语单词Kindergarden）
• 一些不是来自该国的人自己学习了这种语言（他们通常听起来不同）
• 有些人讲得更快，有些人讲得更慢
• 麦克风的质量
  等。

解决这些问题总是非常困难...除此之外你还有语言/代词要照顾......我不知道格鲁吉亚语，但你所描述的可能会使任务变得容易但它会仍然是一项艰巨的任务。

编辑 - 根据评论：

使用优秀的图书馆可能会缩短时间范围，甚至有助于提高质量......但并不是每个图书馆都有利于语音识别，尽管在其他一些与音频相关的问题上也很出色...

供参考，请参阅维基百科文章http://en.wikipedia.org/wiki/Speech_recognition - 它有一个很好的概述，包括一些链接和书籍参考，这是一个很好的起点......

至于如何设计此类API，请参阅示例http://java.sun.com/products/java-media/speech/forDevelopers/jsapi-guide/Recognition.html