Jak używać CMU Sphinx 4 do mowienia na tekst z angielskimi modelami voxforge

Question

Próbuję dowiedzieć się, jak używać sphinx4 lub pocketsphinx z angielskim modelem voxforge, ale nie mogę go uruchomić. Próbowałem czytać strony dokumentu (takie jak ten http://cmusphinx.sourceforge.net/sphinx4/doc/UsingSphinxTrainModels.html), ale to mi nie pomaga.

To, czego chcę, to plik wykonywalny, w którym mogę określić, którego modelu używać i który plik audio ma być używany jako źródło i mieć wydruk wykonywalny, najlepiej zgadnąć, co mówi głos w nagraniu.

ja hade trochę szczęścia: pocketsphinx_continuous -infile recording.wav 2>/dev/null

Ale to przerywa zanim pełna pliku audio transkrypcji i domyślny model ma waay do kilku słów, aby stworzyć czytelny tekst z audio.

Mam skompilowane i przetestowane wersje demonstracyjne w pakiecie źródłowym sphinx4, ale wszystkie przykłady wydają się mieć kilka słów i potrzebują modelu, aby mógł mi się przydać.

Jak mogę to ustawić?

Answer 1

Bardzo łatwo jest podłączyć akustyczny model Voxforge. Dokument główny obejmujące API jest cmusphinx poradnik:

http://cmusphinx.sourceforge.net/wiki/tutorialsphinx4

Zaleca się, aby ją przeczytać przed rozpoczęciem pracy. Należy również pamiętać, że zaleca się stosowanie modelu akustycznego EN_US English Generic, który jest bardziej dokładny niż Voxforge.

Krok po kroku trzeba wykonać następujące czynności:

• Pobierz voxforge model z SourceForge i rozpakować go do folderu
• Kasa Sphinx4 z github i zbudować go z Gradle
• Run TranscriberDemo
• Przejdź do folderu sphinx4-samples/src/main/java/edu/cmu/sphinx/demo/transcriber, otwórz Transcriber demo i zmodyfikuj ścieżkę modelu akustycznego jak poniżej.
• Zmień lokalizację pliku audio w źródłach jeśli potrzebujesz inny plik dźwiękowy ponownie
• Run demo i cieszyć

Byłoby to

// Load model from the folder in your project 
    configuration.setAcousticModelPath("file:voxforge-en-0.4/model_parameters/voxforge_en_sphinx.cd_cont_5000");