需要针对Linux系统的文字转语音和语音识别工具。

Question

我计划编写一个在Linux上使用文本到语音和语音识别的程序。有哪些最好的工具/库可以用于此？我应该改用Windows以便使用更好的工具吗？这些工具需要能够轻松地从控制台或C程序中调用。

- Cory Walker

Answer 1

针对语音识别技术有各种不同版本的Sphinxes可用。这些不同的变体具有不同的优点和缺点，可以参考Sphinx版本比较。其中Sphinx 4 是使用Java编写，其他的则采用C编写。

- Matt G

Answer 2

这取决于你想要识别的语音。这是一篇来自2005年的文章，介绍了创建听写程序的一些困难: http://www.cs.cmu.edu/~archan/personal/whyNoOpenSourceDictationDraft4.html。如果你需要这个，Julius 语音识别引擎似乎很有前途，但你需要添加自己的声学和语言模型。你可能可以使用 voxforge 声学模型。如果你不打算编写听写程序，那么你的任务就简单得多了。命令程序有限的词汇量，例如“如果您想继续使用英语，请说‘英语’”。

我使用 pocketsphinx 和 gstreamer 制作了一个程序，可以自动编辑大部分 twitter 词汇出现的部分，从 TWiT 播客中得到了不错的结果。在使用基于播客转录的自己的语言模型之前，它根本无法正常工作；语音识别器的机器转录毫无用处/有些滑稽，但它们能够找到关键字。请保留 HTML 标签。

- joeforker

---

你有使用Pocketsphinx和Gstreamer与Tcpserversrc/Client一起的经验吗？ - si28719e

不，但是gstpocketsphinx + tcpserversrc/sink与其他任何gstreamer元素+ tcpserversrc/sink没有任何区别。 - joeforker

你的“twitterkiller”程序链接似乎已经失效了。 - Steven Oxley

Answer 3

对于语音识别，Linux 上几乎没有可用的选项。我只知道一个貌似不错的选择，IBM 几年前发布了一款名为 ViaVoice SDK 的东西，但后来不再提供（有人知道是否仍然可以从任何地方获得吗？）。在维基百科上有一些关于可能选项的更多信息。

- hlovdal

---

ViaVoice SDK。它从未完全发布，文档要求在2.4内核发行版号码的相当狭窄范围内。当我的手腕间歇性肌腱炎时，我尝试过使用它来减轻打字负担，但没有成功... - dmckee --- ex-moderator kitten

Answer 4

我在Linux下使用过Loquendo和Festival。 我认为我使用的Festival语音合成效果很差，声音非常机械化。而另一方面，Loquendo的语音效果非常出色，质量非常高。

- mysomic

---

如果您要使用 Festival，您应该安装备用语音。这里有（适用于 Debian/Ubuntu）的说明：http://ubuntuforums.org/showthread.php?t=677277 - Matt G

你用Loquendo的体验如何？如果可以的话，我想通过电子邮件向你询问一些问题。 - philfreo

Answer 5

对于Debian/Ubuntu的文本转语音，还有SVOX Pico：

sudo apt-get install libttspico-utils

- Ikem Krueger

Answer 6

http://simon-listens.org/ - simon 开源语音识别程序

- Grzegorz Wierzowiecki

Answer 7

还有 mbrola 用于文本转语音。

- user562374

Answer 8

你有没有尝试过基于HMM的语音合成技术来进行文本转语音？你可以在http://hts.sp.nitech.ac.jp/网站上找到免费的演示版本。不过安装可能会有些繁琐。

- se7en

Answer 9

这篇文章有点老了，但是我几天前在 Hackaday 上看到了一份相当全面的语音识别指南： http://hackaday.com/2010/07/09/get-started-with-speech-recognition/

- Cory Walker

Answer 10

AT&T的有限状态机工具包也非常棒-不过不能用于商业用途。

http://www.research.att.com/~fsmtools/fsm/

- si28719e