CMUSphinx训练声学模型精度很低

Question

我按照tutorial https://cmusphinx.github.io/wiki/tutorialam/为我的越南语训练了一个新的声学模型。简单地说，我记录了从0到9的数字来进行训练，并使用这些经过训练的数据进行测试。因此，准确率应该是预期的100%。然而，它只有20%左右(只识别2和3)。我已经重新录制了很多次，但它没有改变。我可以确保我做的所有要求，如16k采样率，16位深度，...

有人能给我一些解释和改进我的模型的方法吗？谢谢你们

这是我的项目：https://github.com/legiaquy/test

Answer 1

训练数据是不够的。根据tutorial的说法，你需要：

用于单个扬声器的命令和控制的录音小时

• 用于多个扬声器的命令和控制的5小时200个扬声器的录音

• 用于单个扬声器口述的10小时录音

• 用于多个扬声器的200个扬声器的50小时录音口述

您可以从https://github.com/undertheseanlp/automatic_speech_recognition获取越南数据