用CMUSphinx构建语音语音词典

Question

我试图为一种特定于特定领域的本地语言构建一个语音到文本系统。虽然使用CMUSphinx来达到这个目的。对于一种不常见的语言，正如我首先理解的那样，你需要建立一本语音词典，其中包括可能出现的一组单词的英文音译：

uniocode word -> english transliteration

前：

xxxx -> ah ty re see

我的问题是，我们需要手动创建这个音译吗？遇到自由人2，这似乎对英语很好。我怎样才能对一种新语言做同样的事情呢？

Answer 1

CMUSphinx教程中介绍了构建字典的可能方法：

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

有各种工具可以帮助您扩展现有的字典，用于生词，或者从头开始构建新字典。如果您的语言已经有了字典，建议使用它，因为它是经过精心调整以获得最佳性能的。如果您开始使用一种新的语言，您需要考虑各种减少和协同表达的效果。它们使得很难创建准确的规则来将文本转换为声音。然而，实践表明，即使是朴素的转换也能产生很好的语音识别效果。例如，许多开发人员成功地用简单的基于图形的合成创建了ASR，其中每个字母只是映射到自身，而不是对应的电话。

对于大多数语言来说，您需要使用专门的字素到音素(g2p)代码来进行转换，使用机器学习方法和现有的小型数据库。现在，最精确的g2p工具是语音词典和后继词g2p。

还请注意，几乎每个TTS包都包含G2P代码。例如，您可以使用来自FreeTTS、OpenMary或es匹克的FreeTTS代码。

请注意，如果您使用TTS，您经常需要做电话转换。TTS电话网通常比ASR所需的更广泛。但是，TTS工具有很大的优势，因为它们通常比简单的G2P包含更多需要的功能。例如，他们通过将数字和缩写转换成口头格式来进行标记化。