speech-recognition - 扩展 Sphinx 以支持本地语言

Question

最初我想从头开始编写一个语音识别引擎(支持 50-100 个单词)来支持我的母语。

然而，经过一些研究，我们已经清楚地知道，即使在 1.5 年内提供非常有限的支持，也不可能制造出语音识别引擎。

现在我正在考虑扩展 sphinx 引擎来支持我的语言。是否有可能在 1.5 年内完成，或者对于最后一年的项目来说这工作量太大了。

我正在焦急地等待您对此事的体验。

Answer 1

进行语音识别的时间取决于您的应用程序。

您将需要:

1. 定义您想要识别的单词；
2. 为这些单词写一本拼音词典；
3. 与多位母语人士一起录制单词；
4. 验证记录的数据；
5. 准备数据来训练声学模型；
6. 产生语法或语言模型(在这种情况下需要记录语音平衡的单词/句子)；
7. 训练声学模型；
8. 测试您的系统；
9. 对语法和声学模型进行调整和调整(说话人适应)；
10. 了解如何制作上述所有 9 个主题。 :)

第 10 项是最耗时的任务!!!

答:是的，商业应用3个月内就可以做出来。

Sphinx 是一种可能性，HTK 是一个优秀的开源语音识别系统，可以训练和测试完整的系统。 Julius 是一个开源语音识别器(引擎)，使用 HTK 构建的声学和语言模型。

路易斯·尤贝尔

ASR 实验室 - www.asrlabs.com.br