语音识别基础篇(一) - CMU Sphinx简介

如需转载请标明出处：http://blog.csdn.net/itas109 

QQ技术交流群：129518033

CMU Sphinx(简称Sphinx)是美国卡内基梅隆大学开发的一系列语音识别系统的总称。在2000年，卡内基梅隆的Sphinx小组致力于开源几个语音识别器组件，包括Sphinx 2和后来的Sphinx 3（2001年）。 语音解码器带有声学模型和示例应用程序。可用资源包括声学模型训练软件，语言模型编辑软件和语音词典cmudict。

1.软件部分

CMU Sphinx是一个领先的语音识别工具包，具有用于构建语音应用程序的各种工具。 CMU Sphinx包含许多用于不同任务和应用程序的开发包。 有时候，选择什么是令人困惑的。 下面来介绍一下每个开发包的用途：

• Pocketsphinx — lightweight recognizer library written in C  (C语言开发的轻量级语音识别引擎)

• Sphinxtrain — acoustic model training tools (声学模型训练工具)

• Sphinxbase — support library required by Pocketsphinx and Sphinxtrain （Pocketsphinx和Sphinxtrain的基础类库 ）

• Sphinx4 — adjustable, modifiable recognizer written in Java (Java语言开发的可调节、可修改的语音识别引擎)

 在线生成语言模型和词典的工具 Sphinx Knowledge Base Tool VERSION 3 

 2017年11月18日最新的软件版本为5prealpha

• sphinxbase-5prealpha

• pocketsphinx-5prealpha

• sphinx4-5prealpha

• sphinxtrain-5prealpha

  最新的源代码cmusphinx · GitHub

  支持的操作系统：Windows、Linux、MAC

  支持的开发语言：C/C++、Java、Python

2.模型部分

  模型包括声学模型(acoustic model)、语言模型(language model)、拼音字典(phonetic dictionary)

  声学模型包含每个句子的声学特性。 存在与上下文无关的模型，其包含属性（每个音素的最可能的特征向量）和依赖于上下文的（从具有上下文的语音建立的）属性。

  语言模型用于限制单词搜索。它定义了哪些单词可以遵循以前识别的单词（记住，匹配是一个顺序过程），并通过剥离不可能的单词来帮助显着限制匹配过程。最常用的语言模型是n-gram语言模型 - 它们包含单词序列的统计数据和有限状态语言模型 - 它们通过有限状态自动化（有时具有权重）来定义语音序列。为了达到很高的准确率，您的语言模型必须在搜索空间限制方面非常成功。这意味着它应该很好地预测下一个单词。语言模型通常会限制考虑到它所包含的单词的词汇。这是名称识别的一个问题。为了解决这个问题，一个语言模型可以包含像子词甚至音素这样的小块。请注意，这种情况下的搜索空间限制通常较差，相应的识别精度低于基于单词的语言模型。

  语音词典包含从单词到音素的映射。 这个映射不是很有效。 例如，只有两到三个发音变体被记录在其中。 但是，大多数情况下它是足够实用的。 词典不是将单词映射到电话的唯一方法。 您也可以使用一些机器学习算法学到的复杂功能。

  模型下载地址：Download models
  其中Mandarin为中文普通话，下载下来之后我们可以看到
  声学模型：zh_broadcastnews_16k_ptm256_8000.tar.bz2
  语言模型：zh_broadcastnews_64000_utf8.DMP
  拼音字典：zh_broadcastnews_utf8.dic

zh_broadcastnews_ptm256_8000目录结构
├── feat.params   //HMM模型的特征参数
├── mdef   //模型定义文件（为每个即将进行训练的HMM的每一状态定义一个独特的数字标识）
├── means  //混合高斯模型的均值
├── mixture_weights   //混合权重
├── noisedict    //噪声也就是非语音字典
├── sendump  //用来从声学模型中获取mixture_weights文件的？
├── transition_matrices  //HMM模型的状态转移矩阵
└── variances  //混合高斯模型的方差

其他的中文声学模型还有tdt_sc_8k，该模型可以在pocketsphinx-0.8-win32中找到。

Reference

https://en.wikipedia.org/wiki/CMU_Sphinx

http://www.speech.cs.cmu.edu/sphinx

https://cmusphinx.github.io

https://cmusphinx.github.io/wiki/

https://cmusphinx.github.io/wiki/tutorial/

https://cmusphinx.github.io/wiki/download/

https://cmusphinx.github.io/wiki/faq/

http://blog.csdn.net/zouxy09/article/details/7942784

觉得文章对你有帮助，可以用微信扫描二维码捐赠给博主，谢谢！

 如需转载请标明出处：http://blog.csdn.net/itas109 

QQ技术交流群：12951803