Pocketsphinx-添加单词和提高准确性

Question

我终于成功编译并运行了pocketsphinx(pocketsphinx_continuous)。我遇到的问题是如何提高准确性。据我所知，可以指定一个字典文件(-dict test.dic)。因此我使用默认字典文件，并添加了一些单词的发音，例如：

pencil P EH N S AH L
pencil(2) P EH N S IH L

spaghetti S P AH G EH T IY
spaghetti(2) S P UH G EH T IY

然而，PocketSphinx仍然无法识别这两个单词。我知道你可以指定一个jsgf文件，但那更多地是用于短语和语法。我该如何让PocketSphinx识别常见的单词，比如pencil和spaghetti？

谢谢

-Mike

- Mike6679

---

有人吗？有人吗？................ - Mike6679

嗨，Mike，很高兴找到有人能在Android上构建和运行pocketsphinx。我想做同样的事情，但我在构建从cmusphinx.sourceforge.net下载的“PocketSphinxAndroidDemo”时遇到了问题。你能分享一下你的经验，并列出你是如何做到的步骤吗？“pocketsphinx_continuous”是什么？那是pocketsphinx的不同分支吗？谢谢！ gwofu - user602410

user602410：pocketsphinx_continuous是随pocketsphinx发行版一起提供的程序。 - Jeremy Salwen

Answer 1

对于这种情况，你无法确定，但我可以提供以下建议：

1. 也许是语言模型对 "spaghetti" 和 "pencil" 的概率较低。正如你所建议的那样，你可以使用JSGF来测试识别效果，而不是使用N-gram模型，而是使用简单语法（包括20个单词，包括spaghetti和pencil）。这样你就可以看到是不是语言模型使得识别这些单词变得困难，如果它认为所有单词的概率相等，则可以做得很好。

2. 也许你发音不好，即使使用替代的字典词条也是如此。尝试A.测试其他人的声音，或B.将声学模型适应你的声音（参见http://cmusphinx.sourceforge.net/wiki/tutorialam）。

3. 此外，当它识别失败时，它将它们识别为什么？ 如果可能的话，请从字典中删除其错误识别为的单词。

同样，为了提高整体准确性，只有三件事情真正能帮到你：限制语法，适应声学模型，也许是获取更高质量的录音输入。

- Jeremy Salwen

Answer 2

为了提高准确性，您可以尝试将声学模型适应到您的语音上。 http://cmusphinx.sourceforge.net/wiki/tutorialadapt 如果想要学习如何添加新单词，请参考以下链接： http://ghatage.com/tech/2012/12/13/Make-Pocketsphinx-recognize-new-words/

- Anup

---

学习如何添加新单词的链接显示404错误。您知道我们是否可以在其他地方找到它吗？ - Edu Zamora

不想重启一个已经死掉的线程，但是这个URL似乎是：http://ghatage.com/2012/12/13/Make-Pocketsphinx-recognize-new-words/。 - OldWolf

正确的链接是 - http://www.ghatage.com/tech/2012/12/13/Make-Pocketsphinx-recognize-new-words。看起来永久链接结构已经改变了。 - rajagrawal

Answer 3

确保你在发音开始之前的单词后面放置一个制表符（而不是空格）。

- MountainRider

Answer 4

也许问题出在Pocketsphinx上。我用Pocketsphinx的结果也不是很好。但是，当使用Sphinx4（针对美国说话者和降噪麦克风）时，我的准确率非常高。因此，我使用相同的音频记录比较了这两种工具。对于Pocketsphinx，我使用pocketsphinx_batch与WSJ音频模型以及小词汇语言模型和字典（使用CMU剑桥语言建模工具在线创建）。对于Sphinx4，我编写了一个使用Sphinx4库的小Java程序。结果是Sphinx4要更准确。所有详细信息都在http://www.jaivox.com/pocketsphinx.html。

- vjaivox

Answer 5

为了使用PocketSphinx获得较好的准确度：

• 重要！检查您的麦克风、音频设备和文件是否支持16 kHz，因为一般模型是用16 kHz声学示例训练的。
• 您应该创建自己的有限词典，不能使用cmusphinx-voxforge-de.dic，否则准确度会大幅下降。
• 您应该创建自己的语言模型。

您可以搜索Jasper GitLab上的项目 以查看它是如何实现的。 此外，请查看文档。

- Ievgen

Answer 6

这是在CMUSphinx网站上的内容

“有各种不同的音素集来表示音素，例如IPA或SAMPA。CMUSphinx目前还不要求您使用任何知名的音素集，而且它更喜欢使用仅包含字母的电话名称，而不带有特殊符号。这个要求简化了一些处理算法，例如，您可以创建包含电话名称作为文件名的文件，而不违反操作系统文件名的要求。

词典应该包含您感兴趣的所有单词，否则识别器将无法识别它们。但是，仅仅拥有词典中的单词是不够的。识别器会在词典和语言模型中查找单词。如果没有语言模型，即使单词出现在词典中，也无法被识别。” https://cmusphinx.github.io/wiki/tutorialdict/

- student_programming