四、pocketsphinx应用编程

最新推荐文章于 2022-09-25 01:20:41 发布

裂缝中的阳光JDG

最新推荐文章于 2022-09-25 01:20:41 发布

阅读量2.6k

点赞数

分类专栏：自然语言识别研究文章标签：语音识别 sphinx 应用程序

自然语言识别研究专栏收录该内容

10 篇文章 3 订阅

订阅专栏

pocketsphinx应用编程

Jiangdg_VIP

http://blog.csdn.net/u012637501

译自：http://cmusphinx.sourceforge.net/wiki/tutorialpocketsphinx

Pocketsphinx是一个库，它依赖于另一个库-SphinxBase。在整个CMUSphinx工程项中，SphinxBase库为项目提供所需的常用功能。在正常使用PocketSphinx,需要同时安装Pocketsphinx和Sphinxbase库，通过安装这两个库我们可以实现在linux系统或windows系统中使用Pocketsphinx进行语音开发。

首先，我们需要将这两个库同时解压到同一目录下，如果是在windows中，还需要将'sphinxbase-X.Y"或者"pocketsphinx-X.Y"（其中X.Y为sphinxbase的版本号）改名为"sphinxbase"或"pocketsphinx"。

一.linux下环境搭建

即为Linux, Solaris, FreeBSD等系统安装 Pocketsphinx库、sphinxbase库。

1.安装sphinxbase库

(1)./autogen.sh:生成configure文件

(2)./configure

(3)make

(4)make install

通过上面4步， sphinxbase库会被安装到/usr/local目录。这里需要注意的是，并不是每个系统都是自动从这个目录加载库。为了能够正确加载这些库，我们可能需要配置路径去寻找共享库。这里提供两种方法：

a.修改/etc/ld.so.conf文件(永久有效)

$vim /etc/ld.so.conf

添加：/usr/local/lib

/usr/local/lib/pkconfig

$ldconfig ：使其生效。ldconfig将 /etc/ld.so.conf 列出的路径下的库文件缓存到 /etc/ld.so.cache以供使用系统是通过读取这个库列表文件来加快搜索链接路径的速度的

b.修改环境变量(环境变量只对当前终端有效)

export LD_LIBRARY_PATH=/usr/local/lib

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

2.安装pocketsphinx库

(1)$./configure

(2)$make

(3)$make install

3.测试安装结果

为了测试是否安装成功，我们可以运行pocketsphinx_continuous，然后观察其是否能识别从麦克风输入的语音。

$ pocketsphinx_continuous

二、Pocketsphinx API核心概念

Pocketsphinx API能给让你很容易的使用语音识别的基本功能来开发应用程序，主要有以下特点：

1.由于使用抽象类，所以在源代码和二进制文件兼容方面，更能保持稳定。

2.因为它完全可重入，所以在同一进程中拥有多个编码器也不会出现问题。

3.在运行时，新的语言模型的接口（在sphinxbase）支持线性多模型插值。

4.它能大幅度减少代码量而且能明显减少内存消耗。

详见： http://cmusphinx.sourceforge.net/api/pocketsphinx/

三、基本用法-Hello World例子

关于如何使用API接口，这里有几个关键点需要知道：

(1)命令行通过外部<cmd_ln.h>来解析；

(2)一切都需要一个ps_decoder_t*作为第一个参数.

我们将通过一个简单的" Hello World "例子来说明新的API接口，这个例子为unix源文件和汇编程序。

1.建立一个C源文件hello_ps.c，下面是它的编译命令.

$gcc -o  hello_ps  hello_ps.c  -DMODELDIR=\"`pkg-config --variable=modeldir pocketsphinx`\" `pkg-config --cflags --libs pocketsphinx sphinxbase`（编译源码，gcc的-D选项，指定宏定义）

使用上述命令对该C文件在Linxu平台上进行编译。如果编译出错，则说明你没有仔细阅读本教程或者没有正确安装pocketsphinx。比如说，pocketsphinx需要通过pkg-config系统来正确安装。为了检查pocketsphinx正确安装与否，只要在命令行运行 pkg-config --cflags --libs pocketsphinx sphinxbase 就可以从输出结果看出。即，运行命令：

$ pkg-config --cflags --libs pocketsphinx sphinxbase

pkg-config工具可以获得一个库的编译和连接等信息，如果输出：

-I /usr/local/include -I /usr/local/include/sphinxbase -I /usr/local/include/pocketsphinx

-L /usr/local/lib -lpocketsphinx -lsphinxbase -lsphinxad 则说明安装没有问题。

#pkg-config --variable=modeldir pocketsphinx

显示结果输出：/usr/local/share/pocketsphinx/model

2.初始化-创建配置对象cmd_ln_t

首先我们需要建立一个配置对象cmd_ln_t，可以通过一个标准模版(方法)来创建该配置对象，代码如下：

#include <pocketsphinx.h>

int main(int argc, char *argv[])

{

ps_decoder_t *ps;

cmd_ln_t *config; //建立配置对象 cmd_ln_t

config = cmd_ln_init(NULL, ps_args(), TRUE, //cmd_ln_init() 函数

"-hmm", MODELDIR "/hmm/en_US/hub4wsj_sc_8k",

"-lm", MODELDIR "/lm/en/turtle.DMP",

"-dict", MODELDIR "/lm/en/turtle.dic",

NULL);

if (config == NULL)

return 1;

return 0;

}

源代码解析：

(1)cmd_ln_init() 函数接受字符串类型的参数，且参数的个数是可变，其作用是返回一个配置对象类型指针。第一个参数是之前要更新的cmd_ln_t *;第二个参数是一个参数定义的数组—通过调用ps_args()来进行设置；第三个参数是一个标识，用来告诉参数解析器将是“严格”的。当参数设置为"TRUE"时，重复的参数或未知参数会导致解析失败。

(2) MODELDIR宏被定义在GCC命令行中，主要是通过使用pkg-config 从PocketSphinx配置中获取modeldir变量来实现。

在Windows中，我们可以通过在源代码中添加一个预定义，

如：#define MODELDIR "c:/sphinx/model"，(注意： c:/sphinx/model为你安装models位置路径 )

3.初始化解码器

ps = ps_init(config);

if (ps == NULL)

return 1;

即使用ps_init(config)函数，将配置对象指针变量为传入参数来初始化解码器。

4.解码一个音频文件

解码的作用就是将音频文件转换为字符串。因为现场音频输入或多或少会与平台有关，所以我们在这里我们只解码已经录制好的音频文件。现有的"turtle"语言模型只能识别非常简单的"机器人控制"指令，比如识别"go forward ten meters"短语。实际上，在PocketSphinx源码中已经包含了一个非常有用的音频文件，其包含已经包含了这个句子。这个文件在 test/data/goforward.raw，我们可以将它拷贝到当下(项目)目录下。

当然，如果你想创建自己的版本，在录制音频文件的时候需要设置文件属性为:单声道、小端、16位PCM格式音频文件、频率16000HZ。音频文件录制(goforward.raw)好后，为了正确使用它，需要做以下几步：

(1)打开文件，代码实现如下：

FILE *fh;

fh = fopen("goforward.raw", "rb");

if (fh == NULL) {

perror("Failed to open goforward.raw");

return 1;

}

(2)解码音频文件，调用ps_decode_raw()函数。

rv = ps_decode_raw(ps, fh, "goforward", -1);

if (rv < 0)

return 1;

(3)得到解码的结果（概率最大的字串)，调用ps_get_hyp()方法

char const *hyp, *uttid;

int rv;

int32 score;

hyp = ps_get_hyp(ps, &score, &uttid);

if (hyp == NULL)

return 1;

printf("Recognized: %s\n", hyp);

5.解码内存中的音频数据

现在我们将再次解码相同的 test/data/goforward.raw音频文件，这步同第四步作用一样，目的是解码音频文件。但是，解码内存中的音频数据使用的是PocketSphinx API接口，为此，我们使用ps_start_utt()函数开始说话。

(1)调用 ps_start_utt()函数开始说话

fseek(fh, 0, SEEK_SET);

rv = ps_start_utt(ps, "goforward");

if (rv < 0)

return 1;

(2)我们将每次从文件中读取512大小的样本，使用ps_process_raw()把它们放到解码器中

int16 buf[512];

while (!feof(fh)) {

size_t nsamp;

nsamp = fread(buf, 2, 512, fh);

rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);

}

(3)使用ps_end_utt()方法标识说话结束

rv = ps_end_utt(ps);

if (rv < 0)

return 1;

(4)以相同精确的方式运行来检索假设的字符串：

hyp = ps_get_hyp(ps, &score, &uttid);

if (hyp == NULL)

return 1;

printf("Recognized: %s\n", hyp);

6.清理工作

使用ps_free()释放使用ps_init()返回的对象，不用释放配置对象。

四、源代码(hello_ps.c)

#include <pocketsphinx.h>
int main(int argc, char *argv[])
{
 ps_decoder_t *ps;
 cmd_ln_t *config;
 FILE *fh;
 char const *hyp, *uttid;
        int16 buf[512];
 int rv;
 int32 score;

 //1、初始化：创建一个配置对象 cmd_ln_t *
 //cmd_ln_init函数第一个参数是我们需要更新的上一个配置，因为这里是初次创建，所以传入NULL；
 //第二个参数是一个定义参数的数组，如果使用的是标准配置的参数集的话可以通过调用ps_args()去获得。
 //第三个参数是是一个标志，它决定了参数的解释是否严格，如果为TRUE，那么遇到重复的或者未知的参
 //数，将会导致解释失败；
 //MODELDIR这个宏，指定了模型的路径，包括声学模型，语言模型和字典三个文件，是由gcc命令行传入，
 //我们通过pkg-config工具从PocketSphinx的配置中去获得这个modeldir变量
 config = cmd_ln_init(NULL, ps_args(), TRUE,
        "-hmm", MODELDIR "/hmm/en_US/hub4wsj_sc_8k",
        "-lm", MODELDIR "/lm/en/turtle.DMP",
        "-dict", MODELDIR "/lm/en/turtle.dic",
        NULL);
 if (config == NULL)
  return 1;
 //2、初始化解码器（语言识别就是一个解码过程，通俗的将就是将你说的话解码成对应的文字串）
 ps = ps_init(config);
 if (ps == NULL)
  return 1;

 //3、解码文件流
 //因为音频输入接口（麦克风）受到一些特定平台的影响，不利用我们演示，所以我们通过解码音频文件流
 //来演示PocketSphinx API的用法，goforward.raw是一个包含了一些诸如“go forward ten meters”等用来
 //控制机器人的短语（指令）的音频文件，其在test/data/goforward.raw。把它复制到当前目录
 fh = fopen("/dev/input/event14", "rb");
 if (fh == NULL) {
  perror("Failed to open goforward.raw");
  return 1;
 }
 //4、使用ps_decode_raw()进行解码
 rv = ps_decode_raw(ps, fh, NULL, -1);
 if (rv < 0)
  return 1;
 //5、得到解码的结果（概率最大的字串） hypothesis
 hyp = ps_get_hyp(ps, &score, &uttid);
 if (hyp == NULL)
  return 1;
 printf("Recognized: %s\n", hyp);

 //从内存中解码音频数据
 //现在我们将再次解码相同的文件，但是使用API从内存块中解码音频数据。在这种情况下，首先我们
 //需要使用ps_start_utt()开始说话：
    fseek(fh, 0, SEEK_SET);
    rv = ps_start_utt(ps, NULL);
 if (rv < 0)
  return 1;
        while (!feof(fh)) {
    rv = ps_start_utt(ps, NULL);
        if (rv < 0)
                return 1;

  printf("ready:\n");
            size_t nsamp;
            nsamp = fread(buf, 2, 512, fh);
  printf("read:\n");
   //我们将每次从文件中读取512大小的样本，使用ps_process_raw()把它们放到解码器中:
            rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);
  printf("process:\n");
        }
  //我们需要使用ps_end_utt()去标记说话的结尾处：
        rv = ps_end_utt(ps);
 if (rv < 0)
  return 1;
  
 //以相同精确的方式运行来检索假设的字符串：
 hyp = ps_get_hyp(ps, &score, &uttid);
 if (hyp == NULL)
  return 1;
 printf("Recognized: %s\n", hyp);
 }
 //6、清理工作：使用ps_free()释放使用ps_init()返回的对象，不用释放配置对象。
 fclose(fh);
        ps_free(ps);
 return 0;
}

裂缝中的阳光JDG

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
四、pocketsphinx应用编程

pocketsphinx应用编程Jiangdg_VIPhttp://blog.csdn.net/u012637501译自：http://cmusphinx.sourceforge.net/wiki/tutorialpocketsphinx Pocketsphinx是一个库，它依赖于另一个库-SphinxBase。在整个CMUSphinx工程项中，SphinxBas
复制链接

扫一扫