使用CMU Shinx、JSAPI和Google Speech API进行语音识别

Question

语音识别是我当前项目的众多功能之一，很可能是用J2EE开发的(如果其他语言的选择是合理的，也欢迎他们)。

google和SO上的大多数链接都建议上述三种选择，Sphinx4，JSAPI directly和Google Speech API (向谷歌发出服务器调用，然后以文本形式获取结果)。

我还有其他免费的选择吗？如果我使用Sphinx-4，我如何获得与它一起使用的通用英语的语言模型？

Answer 1

是的，有。

1. 可以使用一个包装器来实现谷歌语音识别器，这只是一行基本代码。您发送FLAC或SPEEX格式的语音音频，并收到识别和置信度分数。唯一的问题是Google可以关闭API，就像Google translate一样。
2. 其他选项是使用Sphinx (Sphinx4或Pocketsphinx)。
3. 可以使用HTK (http://htk.eng.cam.ac.uk/)，也可以使用HVite (HTK解码器)或其他类似Julius (http://julius.sourceforge.jp/en/)的解码器。还有使用HTK训练声学模型和/或语言和语法的其他选项。

Voxforge有HTK和Sphinx (http://voxforge.org/)的声学和语言模型。

Answer 2

，如果我使用Sphinx-4，我如何获得与它一起使用的通用英语的语言模型？

您可以从CMUSphinx网站或其他地方下载它们。您也可以自己构建它们。其中一个可能的位置是

http://www.keithv.com/software/csr/