语音中的关键词识别

Question

有没有人知道一个免费的关键词识别系统，并且可能提供API ?？

CMU Sphinx 4和MS Speech API是语音识别引擎，不能用于KWS。

SRI有一个关键词识别系统，但没有下载链接，甚至连评估都没有。(我甚至在任何地方都找不到联系他们获取软件的链接)

我找到了一个here，但它只是一个演示，而且是有限的。

Answer 1

CMUSphinx在pocketsphinx引擎中实现了关键字定位，详情请参阅FAQ entry.

要识别单个关键短语，您可以在“关键短语搜索”模式下运行解码器。

从命令行try：

pocketsphinx_continuous -infile file.wav -keyphrase “oh mighty computer” -kws_threshold 1e-20

从代码中：

 ps_set_keyphrase(ps, "keyphrase_search", "oh mighty computer");
 ps_set_search(ps, "keyphrase_search);
 ps_start_utt();
 /* process data */

您还可以在我们的源代码中找到Python和Android/Java的示例。Python代码如下所示，完整的示例here

# Process audio chunk by chunk. On keyphrase detected perform action and restart search
decoder = Decoder(config)
decoder.start_utt()
while True:
    buf = stream.read(1024)
    if buf:
         decoder.process_raw(buf, False, False)
    else:
         break
    if decoder.hyp() != None:
        print ([(seg.word, seg.prob, seg.start_frame, seg.end_frame) for seg in decoder.seg()])
        print ("Detected keyphrase, restarting search")
        decoder.end_utt()
        decoder.start_utt()

必须为测试数据上的每个关键短语调整阈值，以获得正确的平衡，遗漏检测和错误警报。您可以尝试像1e-5到1e-50这样的值。

为了获得最好的准确性，最好使用3-4个音节的关键短语。太短的短语很容易混淆。

您还可以搜索多个关键字，创建一个文件keyphrase.list，如下所示：

  oh mighty computer /1e-40/
  hello world /1e-30/
  other_phrase /other_phrase_threshold/

并在带有-kws配置选项的解码器中使用它。

  pocketsphinx_continuous -inmic yes -kws keyphrase_list

此功能尚未在sphinx4解码器中实现。