python列表转化为数字信号_在python中将声音转换为音素列表

准确的音素识别不容易存档，因为音素本身的定义相当松散。即使在好的音频中，现在最好的系统也有18%的音素错误率（你可以在Alex Graves发布的TIMIT上查看LSTM-RNN结果）。

在cmusphenx中，Python中的音素识别是这样完成的：from os import environ, path

from pocketsphinx.pocketsphinx import *

from sphinxbase.sphinxbase import *

MODELDIR = "../../../model"

DATADIR = "../../../test/data"

# Create a decoder with certain model

config = Decoder.default_config()

config.set_string('-hmm', path.join(MODELDIR, 'en-us/en-us'))

config.set_string('-allphone', path.join(MODELDIR, 'en-us/en-us-phone.lm.dmp'))

config.set_float('-lw', 2.0)

config.set_float('-beam', 1e-10)

config.set_float('-pbeam', 1e-10)

# Decode streaming data.

decoder = Decoder(config)

decoder.start_utt()

stream = open(path.join(DATADIR, 'goforward.raw'), 'rb')

while True:

buf = stream.read(1024)

if buf:

decoder.process_raw(buf, False, False)

else:

break

decoder.end_utt()

hypothesis = decoder.hyp()

print ('Phonemes: ', [seg.word for seg in decoder.seg()])

为了运行这个示例，您需要从github签出最新的pocketsphinx。结果应该是这样的：('Best phonemes: ', ['SIL', 'G', 'OW', 'F', 'AO', 'R', 'W', 'ER', 'D', 'T', 'AE', 'N', 'NG', 'IY', 'IH', 'ZH', 'ER', 'Z', 'S', 'V', 'SIL'])