建立一个语音字典你可以使用现有的涵盖很多语言的TTS合成器。你也可以手工boostrap字典,然后用机器学习工具扩展它。
如果要大词汇译码器,必须有diarization框架,适应框架和后处理的框架。他们都需要合作
如果你可以选择,我们强烈推荐您使用GNU / Linux作为一个开发平台。我们可以帮你与Windows或Mac问题但没有保证,我们的主要开发平台是Linux。对于许多任务需要使用perl,python运行复杂的脚本。在Windows上可能是有问题的。
你必须为指定的语言收集音频材料。实际上这不是这么复杂的事情。有声书本、电影和播客提供足够的录音与小努力构建良好的声学模型。
语言学习需要您构建一个框架,用于跟踪错误的发音。包括代不正确的发音和得分。
There are several high-level recognition interfaces in Sphinx-4:
-
LiveSpeechRecognizer
-
StreamSpeechRecognizer
-
SpeechAligner
For the most of the speech recognition jobs high-levels interfaces should be enough. And basically you will have only to setup four attributes:
-
Acoustic model.
-
Dictionary.
-
Grammar/Language model.
-
Source of speech.