在pcDuino使用开源的语音识别Sphinx

CMU Sphinx 是用C 语言和Java 语言写的先进的语音识别系统。它是通过卡内基梅隆大学Sphinx 组，Sun 微系统实验室、三菱电器研究实验室、惠普等联合完成的，同时美国加州大学圣克鲁斯分校和麻省理工学院也对其有贡献。
安装

sudo apt-get install libasound2-devlibgstreamer0.10-dev libgstreamer-plugins-base0.10-devgstreamer0.10-plugins-base bison

wgethttp://softlayer-dal.dl.sourcefo ... hinxbase-0.8.tar.gz

tar xvf sphinxbase-0.8.tar.gz

cd sphinxbase-0.8

./configure

make

sudo make install

wgethttp://softlayer-dal.dl.sourcefo ... etsphinx-0.8.tar.gz

tar xvf pocketsphinx-0.8.tar.gz

cd pocketsphinx-0.8

./configure

make

sudo make install

sudo ldconfig

插上USB声卡
sudo reboot

测试

运行 pocketsphinx 进行语音识别需要指定三个文件：声学模型、语言模型和字典文件。

以网上下载的这三个文件为例子说明如何使用他们进行语音识别。

声学模型：zh_broadcastnews_16k_ptm256_8000.tar.bz2

$wget http://citylan.dl.sourceforge.net/project/cmusphinx/Acoustic%20and%20Language%20Models/Mandarin%20Broadcast%20News%20acoustic%20models/zh_broadcastnews_16k_ptm256_8000.tar.bz2

语言模型：zh_broadcastnews_64000_utf8.DMP ( 这个文件大概大约208M ！)

$wget http://citylan.dl.sourceforge.net/project/cmusphinx/Acoustic%20and%20Language%20Models/Mandarin%20Language%20Model/zh_broadcastnews_64000_utf8.DMP

字典文件：zh_broadcastnews_utf8.dic

$wget http://citylan.dl.sourceforge.net/project/cmusphinx/Acoustic%20and%20Language%20Models/Mandarin%20Language%20Model/zh_broadcastnews_utf8.dic

先把以上三个文件放在同一个目录下，再把声学模型解压：

$tar -xjfzh_broadcastnews_16k_ptm256_8000.tar.bz2

解压后目录包含八个文件夹。

zh_broadcastnews_ptm256_8000/

├── 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 文件的目录

├── transition_matrices            //HMM 模型的状态转移矩阵

└── variances                      // 混合高斯模型的方差

然后我们执行：

pocketsphinx_continuous -hmmzh_broadcastnews_ptm256_8000/ -lm zh_broadcastnews_64000_utf8.DMP -dictzh_broadcastnews_utf8.dic

-hmm 选项指定声学模型活页夹 –lm 选项指定语言模型 –dict 选项指定字典文件；

pocketsphinx 会分析你传入的文件取得模型和识别的参数，然后显示出来，再有很多信息，等到显示：

Warning: Could not find Mic element

READY….

      到这里你就可以喊话让它识别了。对着麦克风讲话结束后在屏幕上以文字形式显示识别结果。在麦克风输入时，两者的最长语音时间为5 秒，前者是通过说话人的正常语句停顿作为断句的分割点，并将停顿之前的语音信号作为一个处理段。

pcDuino  linksprite学习中心