c - Cmusphinx西班牙语模型不连贯转录

Question

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。

Answer 1

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。