Pocketsphinx语音识别-----语言模型训练和声学模型的适应过程

更新一下，之前对于txt, transcription, fileid文件的对应关系一直有疑惑。今天通过实验证明，transcription和fileid直接行行对应即可。这样就可以添加多个人录音，对应相同一句话的问题了。！！！

训练语言模型：

两种方法

1.对于小文本量&&英文，直接采用登录网站方式来生成语言模型lm和字典dic

利用在线工具LMTool建立语言模型，具体网址：http://www.speech.cs.cmu.edu/tools/lmtool-new.html

2.其他情况，比如大数据量的或中文，需要采用如下方法来生成语言模型。

输入：语料文本

输出: arpa或dmp文件。可相互转换。

另外，字典需要自己制造。就是dic文件，规则类似与拼音，但还不完全一样，后面在研究这个。

如何生成语言模型

准备工作，自己造一个语料库，即robot.txt文本文件。格式为：<s> 语料内容 </s> 注意<s>之后和</s>之前均应当有空格。

中间过程文件：$name.vocab  $name.idngram  $name.arpa文件，用完可删除。使用脚本./lm.sh robot.txt即可一次性生成输出文件。

输出有用文件： $name.lm.DMP

1. text2wfreq < robot.txt | wfreq2vocab > robot.vocab   生成arctic20.vocab文件

2. text2idngram -vocab robot.vocab -idngram robot.idngram < robot.txt  生成robot.idngram文件

3. idngram2lm -vocab_type 0 -idngram robot.idngram -vocab robot.vocab -arpa robot.arpa  依据第1,2步的输出，生成arpa文件

4.sphinx_lm_convert -i robot.arpa -o robot.lm.DMP   根据