我已经在我的笔记本电脑(Linux Mint 17)中安装了pocketsphinx,旨在将WAV音频文件转录为文本。音频是西班牙语的,所以我从其网站上下载了 Voxforge 0.2 西班牙语模型,并复制粘贴改编了以下代码:
#include <pocketsphinx.h>
int main(int argc, char *argv[])
{
ps_decoder_t *ps;
cmd_ln_t *config;
FILE *fh;
char const *hyp, *uttid;
int16 buf[512];
int rv;
int32 score;
if( argc == 2 )
{
printf("Transcribiendo fichero: %sn", argv[1]);
}
else if( argc > 2 )
{
printf("Demasiados argumentos.n");
}
else
{
printf("Se esperaba un sólo argumento.n");
}
config = cmd_ln_init(NULL, ps_args(), TRUE,
"-hmm", "/home/<myuser>/software/voxforge-es/model_parameters/voxforge_es_sphinx.cd_ptm_3000",
"-lm", "/home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.transcription.test.lm",
"-dict", "/home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.dic",
NULL);
if (config == NULL)
{
fprintf(stderr, "Failed to create config object, see log for detailsn");
return -1;
}
ps = ps_init(config);
if (ps == NULL)
{
fprintf(stderr, "Failed to create recognizer, see log for detailsn");
return -1;
}
fh = fopen(argv[1], "rb");
if (fh == NULL)
{
fprintf(stderr, "Unable to open input file.n");
return -1;
}
rv = ps_start_utt(ps);
while (!feof(fh))
{
size_t nsamp;
nsamp = fread(buf, 2, 512, fh);
rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);
}
rv = ps_end_utt(ps);
hyp = ps_get_hyp(ps, &score);
printf("Reconocido: %sn", hyp);
fclose(fh);
ps_free(ps);
cmd_ln_free_r(config);
return 0;
}
问题是 WAV 单声道 16Khz 文件会产生奇怪的结果。我想知道的是,我是否需要重建模型或调整特定参数......
例如,考虑以下文本:
"Hola soy ingeniero informático"
我将其转换为 16KHz/16 位/单声道 WAV 文件。
运行我的代码,它给出了以下输出:
> ./nlptest voice.wav
"cola salir en y era de líneas"
如您所见,它与原版完全不同。只有"hola"和"cola"这两个词在发音上相似(但含义完全不同)。
即使使用pocketsphinx_continuous,结果也非常糟糕(它只在一个词上有所不同):
> pocketsphinx_continuous -hmm /home/<myuser>/software/voxforge-es/model_parameters/voxforge_es_sphinx.cd_ptm_3000 -lm /home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.transcription.test.lm -dict /home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.dic -infile voice.wav
"cola seguir en y era de líneas"
感谢您的建议。
您使用的语言voxforge_es_sphinx.transcription.test.lm
模型的名称中包含"test",仅用于测试目的。您可以在我们的网站上下载更多高级模型es-20k.lm.gz
此处.
总的来说,我们的西班牙语模型非常基本,不是很准确,如果您需要认真的转录,则需要付出很多努力来扩展它。