语言模型与Sphinx4

Question

我刚接触过狮身人面像，我正试图编写一个程序来识别音频文件中的一个单词，其中只包含一个口语单词，然后对其信心进行评级。对于这样的项目，语言模型似乎是不必要的，因为我只想识别一个单词，但似乎Sphinx需要一个语言模型来做任何事情。这样的事情有可能吗？

Answer 1

不幸的是，Sphinx (和任何其他ASR系统)都需要一个语言模型来完成任何事情。其原因是语言模型被用于语音viterbi解码，并被要求为许多文本的可能性分配一个分数。

我假设您正在使用的音频文件可以包含一组可能的单词(因为我不确定如果音频文件都包含相同的单词..)会有什么意义。在这种情况下，您可以使用语法而不是统计语言模型。一般来说，语法可以很好地处理小词汇表任务。

Sphinx4 JSGFGrammar文档

要获得可信度值，请参阅类ConfidenceScorer的文档，它可以从识别器中获得结果。

ConfidenceScorer文档的示例

如果音频文件可以是许多未知单词中的一个，并且您只想识别您所关心的单个单词(例如，您不知道音频文件中的其他单词是什么，或者它是一个足够大的集合，您不希望指定语法中的所有单词)，那么您将面临一项相当困难的任务。老实说，我在语音识别方面做过工作，我不太确定怎么做.您可以尝试指定一组具有不同语音特征(即不同音节长度、不同类型的声音)的其他单词，也许它会很好地工作。如果是这样的话，让我知道，我可以想出一些其他可能的解决方案，但我的猜测是，你的任务是识别一个小集合中的一个单词。