语音识别系统 Sphinx-4 介绍
jopen
13年前
<div class="entry-content"> <p>sphinx系统是一个拥有悠久历史的语音识别系统，<br /> 传说中是第一个实用的10数字语音系统。<br /> 是由卡奈基.美隆大学研发。</p> <p>sphinx3.x是基于C语言的最新版本,sphinx和sphinx2请大家不要去研究了。<br /> sphinx for ppc是一个在PocketPc上实现的嵌入式语音识别系统。</p> <p>而sphinx4是完全用JAVA编写实现的语音识别系统，<br /> 因为JAVA的特性，在平台间移植方便很多。</p> <p>需要注意的是sphinx3和sphinx4不是先后的关系，而是平行的，<br /> 主要区别是前一个用C语言实现，后一个用JAVA语言实现。</p> <p>因为种种原因我研究sphinx4有一个月时间了，<br /> 根据自己需要阅读修改了FrontEnd部分源代码，</p> <p>1.sphinx4主页是<br /> <a style="color:#003377;text-decoration:none;" class="ilink" href="/misc/goto?guid=4959499877552681292" target="_blank">http://cmusphinx.sourceforge.net/sphinx4/</a><br /> 请把它加入收藏，谢谢。<br /> 上面有下载的连接。</p> <p>现在最新的版本应该是这个sphinx4-1.0beta-bin.zip <br /> 解压到e:\sphinx4 <br /> (我以这个目录为例，以后的讲述都是假设这个为根目录，<br /> 而且以"sphinx4>"这个代替命令行下的这个目录 )</p> <p>给PC接上麦克风(Mic),cmd进入命令行<br /> 运行<br /> sphinx4> java -jar bin/HelloDigits.jar<br /> 这是一个识别单个数字的DEMO程序</p> <p>2.如果你还没能用那个识别数字的DEMO<br /> 检查了一下自己英语数字的发音。</p> <p>那么说明你环境有问题，请检查以下事项</p> <p>a.是否有JAVA运行环境，在命令行下敲 java<br /> 若没有，这样的一些演示<br /> “Usage: java [-options] class [args… "<br /> 说明JAVA运行环境有问题，<br /> 到http://java.sun.com/j2se/1.4.2/download.html<br /> 点连接"Download J2SE JRE "下载并安装JAVA运行环境。</p> <p>b.若可以启动，但对着麦克风说话，DEMO没能正确识别出来。<br /> 那么请检查麦克风是否接好，在QQ，或MSN，或SKYPE中语聊一会<br /> 确认自己的麦克风连接没有问题。</p> <p>如果你是用的LINUX系统或其他类UNIX系统，<br /> 那么需要修改配置文件，才能正确开始。</p> <p> </p> <div style="font-size:14px;"> <span style="line-height:25px;">3. 如果你已经成功运行DEMO，那么你已经对SPHINX4有了感性认识。<br /> 下面来深入一些，了解从语音到识别的这样一个过程。</span> <p> </p> <p><span style="line-height:25px;">附件是识别器的示意图。</span></p> <p><span style="line-height:25px;">下面简单说一下各模块的用处</span></p> <p><span style="line-height:25px;">FrontEnd:<br /> 前端处理模块，把语音转换成特征就是由这个模块完成。<br /> FrontEnd经过简单的配置后可以<br /> 将Wav文件、麦克风甚至倒谱(cepstrum)文件做为输入。</span></p> <p><span style="line-height:25px;">Decoder:<br /> 解码器，将搜索语言模型，找出与特征相对应的识别项（一般是音素）</span></p> <p><span style="line-height:25px;">Linguist：<br /> 金山给的翻译是语言学家，这样称为语言模型更贴切。<br /> 它包括三个部分，<br /> AcousticModel:声学模型，建立输入声音和音素的关系<br /> Dictionary:字典，可以接受的音素范围。<br /> LanguageModel:语言模型，建立字与字之间先后语言关系。<br /> 这三个模型是预先建立好的，我会在模型创建那段去<br /> 仔细讲这三个模型。</span></p> <p><span style="line-height:25px;">更详细的信息从下面的白皮书上可以查到<br /> <a style="color:#003377;text-decoration:none;" class="ilink" href="/misc/goto?guid=4959499877647950233" target="_blank">http://cmusphinx.sourceforge.net/sphinx4/doc/Sphinx4Whitepaper.pdf</a> </span></p> </div> <p><img border="0" alt="语音识别系统 Sphinx-4 介绍" src="https://simg.open-open.com/show/9f1ce447c8912c5d9bd578532ded9f9f.jpg" width="508" height="421" /><br /> <br /> </p> <p><strong>项目主页：</strong><a href="http://www.open-open.com/lib/view/home/1324807508858" target="_blank">http://www.open-open.com/lib/view/home/1324807508858</a></p> <p><br /> 转自：http://www.xiruibin.com/archives/57</p> </div>