如何让pocketsphinx识别关键短语

Question

我试着用pocketsphinx库用python编写了一个简单的语音识别脚本。它应该是这样工作的:它不断地侦听，当它听到某个关键字时，它会输入if语句。

在谷歌上，带有关键词组的liveSpeech的唯一例子是这个：Python Voice Recognition Library - Always Listen?。但它只有一个关键词组。

我设法做了一些可以运行的东西，但是效果并不好。下面的代码在for循环中对我多次发音的每个单词进行迭代(它对每个假设进行迭代)。因为他这样做了，所以我不能用超过1个单词的关键短语，这是可怕的。

import os
from pocketsphinx import LiveSpeech, get_model_path

model_path = os.path.join(os.getcwd(), 'model')
liveSpeech = LiveSpeech(
    verbose=False,
    sampling_rate=16000,
    buffer_size=2048,
    no_search=False,
    full_utt=False,
    hmm=os.path.join(model_path, 'en-us'),
    lm=os.path.join(model_path, '8415.lm'),
    dic=os.path.join(model_path, '8415.dic'),
)

for phrase in liveSpeech:
    print('---')
    print(phrase.segments(detailed=True))
    liveText = phrase.hypothesis()
    print('conf', phrase.confidence())
    print(phrase.hypothesis())
    print('---')
    if liveText == 'SIRI START MUSIC':
        print('*** MUSIC ***')
    elif liveText == 'SIRI READ INBOX':
        print('*** READ ***')
    elif liveText == 'SIRI WRITE NEW EMAIL':
        print('*** WRITE ***')

我还将发布我为LiveSpeech object .dic创建的.dic和.lm文件

EMAIL   IY M EY L
INBOX   IH N B AA K S
MUSIC   M Y UW Z IH K
NEW N UW
NEW(2)  N Y UW
READ    R EH D
READ(2) R IY D
SIRI    S IH R IY
START   S T AA R T
WRITE   R AY T

和.lm

\1-grams:
-1.0280 </s> -0.3010
-1.0280 <s> -0.2583
-1.5051 EMAIL -0.2583
-1.5051 INBOX -0.2583
-1.5051 MUSIC -0.2583
-1.5051 NEW -0.2872
-1.5051 READ -0.2872
-1.0280 SIRI -0.2583
-1.5051 START -0.2872
-1.5051 WRITE -0.2872

\2-grams:
-0.3010 <s> SIRI 0.0000
-0.3010 EMAIL </s> -0.3010
-0.3010 INBOX </s> -0.3010
-0.3010 MUSIC </s> -0.3010
-0.3010 NEW EMAIL 0.0000
-0.3010 READ INBOX 0.0000
-0.7782 SIRI READ 0.0000
-0.7782 SIRI START 0.0000
-0.7782 SIRI WRITE 0.0000
-0.3010 START MUSIC 0.0000
-0.3010 WRITE NEW 0.0000

\3-grams:
-0.7782 <s> SIRI READ
-0.7782 <s> SIRI START
-0.7782 <s> SIRI WRITE
-0.3010 NEW EMAIL </s>
-0.3010 READ INBOX </s>
-0.3010 SIRI READ INBOX
-0.3010 SIRI START MUSIC
-0.3010 SIRI WRITE NEW
-0.3010 START MUSIC </s>
-0.3010 WRITE NEW EMAIL

这些都是用http://www.speech.cs.cmu.edu/tools/lmtool-new.html制作的

我想当我在麦克风前说"SIRI开始音乐“时会看到

*** MUSIC ***

在命令提示符下。但我看到重复的单词，就像这样(我假设的置信度是每个单词？)：

conf 0.37786707159431465
SIRI

conf 0.4968430593575863
START NEW

conf 0.2751470548287679
NEW

conf 1.0
NEW

请告诉我，如何改进我的代码，以我需要的方式工作。谢谢!

Answer 1

而不是

lm=os.path.join(model_path, '8415.lm'),

试一试

kws=os.path.join(model_path, 'kws.list'),

Answer 2

假设当前目录中有一个名为kws.txt的文件，其内容如下：

siri start music /1e-40/
siri read inbox /1e-40/
siri write new email /1e-40/

此脚本加载到文件中，并监控关键短语的实时输入：

from pocketsphinx import LiveSpeech

speech = LiveSpeech(lm=False, kws="./kws.txt")
for phrase in speech:
    print(phrase.segments(detailed=True))

输出示例：

[('siri start music ', -874, 1857, 1984)]
[('siri read inbox ', -1120, 2018, 2157)]
[('siri write new email ', -1364, 2614, 2752)]