phinx武林秘籍(上)-低调大师

phinx武林秘籍(上)

2017-08-10 563

一、 使用平台

Windows XP、VMware workstation+ Ubuntu10.10

(1) Soundrecorder 测试下能否使用

(2) sudo apt-get install libasound2-dev

二、 CMUSphinx语音识别工具包

Pocketsphinx — 用C语言编写的轻量级识别库

Sphinxbase — Pocketsphinx所需要的支持库

Sphinx3 — 为语音识别研究用C语言编写的解码器

CMUclmtk — 语言模型工具

Sphinxtrain — 声学模型训练工具

下载网址：http://sourceforge.net/projects/cmusphinx/files/

以上对应所使用的版本如下：

pocketsphinx-0.6.1（pocketsphinx_0.6.1-1.tar.gz）

sphinxbase-0.6.1（sphinxbase-0.6.1.tar.gz）

sphinx3-0.8（sphinx3-0.8.tar.bz2）

cmuclmtk（cmusphinx-cmuclmtk.tar.gz）

SphinxTrain-1.0（SphinxTrain-1.0.tar.bz2）

三、安装pocketsphinx

由于pocketsphinx依赖于另外一个库Sphinxbase,所以先需要安装Sphinxbase。

(1)安装Sphinxbase

tar xzf sphinxbase-0.6.1.tar.gz

cd sphinxbase-0.6

./configure

make

sudo make install

默认安装在/usr/local/bin下面，ls可查看。

(2)安装pocketsphinx

export LD_LIBRARY_PATH=/usr/local/lib

export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig

cd pocketsphinx-0.6.1

./configure

make

sudo make install

完成安装,在/usr/local/bin下面可以看到三个新生成的文件，

cd /usr/local/bin

ls

pocketsphinx_batch

pocketsphinx_continuous

pocketsphinx_mdef_convert

测试下安装结果

pocketsphinx_continuous

若出现如下信息，说明安装成功。

INFO: cmd_ln.c(512): Parsing command line:

pocketsphinx_continuous

Current configuration:

[NAME] [DEFLT] [VALUE]

-adcdev

-agc none none

-agcthresh 2.0 2.000000e+00

-alpha 0.97 9.700000e-01

-argfile

-ascale 20.0 2.000000e+01

-backtrace no no

-beam 1e-48 1.000000e-48

-bestpath yes yes

-bestpathlw 9.5 9.500000e+00

-bghist no no

-ceplen 13 13

-cmn current current

-cmninit 8.0 8.0

………………………………….

…………………………………

………………………………….

INFO: ngram_search_fwdtree.c(333): after: 457 root, 13300 non-root channels, 26 single-phone words

INFO: ngram_search_fwdflat.c(153): fwdflat: min_ef_width = 4, max_sf_win = 25

Warning: Could not find Mic element

INFO: continuous.c(261): pocketsphinx_continuous COMPILED ON: Feb 21 2011, AT: 22:31:47

READY....

四、 建立一个简单的语言模型

(1)创建一个语料库

vi corpus.txt

输入如下内容：

stop

forward

backward

turn right

turn left

保存退出

(2)利用在线工具LMTool建立语言模型

进入网址：http://www.speech.cs.cmu.edu/tools/lmtool.html

点击Browse按钮,选择之前创建的corpus.txt, 最后点击COMPILE KNOWLEDGE BASE 。

生成TAR2916.tar.gz

tar xzf TAR2916.tar.gz

2916.corpus 2916.lm 2916.sent.arpabo 2916.vocab

2916.dic 2916.sent 2916.token

真正有用的是.dic、.lm 的文件

(3)测试结果

pocketsphinx_continuous -lm 2916.lm -dict 2916.dic

INFO: ngram_search_fwdflat.c(295): Utterance vocabulary contains 1 words

INFO: ngram_search_fwdflat.c(912): 97 words recognized (2/fr)

INFO: ngram_search_fwdflat.c(914): 2342 senones evaluated (38/fr)

INFO: ngram_search_fwdflat.c(916): 1011 channels searched (16/fr)

INFO: ngram_search_fwdflat.c(918): 167 words searched (2/fr)

INFO: ngram_search_fwdflat.c(920): 47 word transitions (0/fr)

WARNING: "ngram_search.c", line 1087: </s> not found in last frame, using <sil> instead

INFO: ngram_search.c(1137): lattice start node <s>.0 end node <sil>.56

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(<sil>:56:60) = -341653

INFO: ps_lattice.c(1266): Joint P(O,S) = -341653 P(S|O) = 0

000000000: STOP (-6531224)

READY....

Listening...

Stopped listening, please wait...

INFO: cmn_prior.c(121): cmn_prior_update: from < 37.45 -1.28 -0.16 -0.71 0.19 -0.19 -0.07 0.34 0.13 -0.07 -0.03 -0.42 0.19 >

INFO: cmn_prior.c(139): cmn_prior_update: to < 42.22 -0.51 -0.35 -0.28 -0.24 -0.37 0.02 0.38 0.03 -0.05 0.10 -0.32 0.05 >

INFO: ngram_search_fwdtree.c(1513): 847 words recognized (9/fr)

INFO: ngram_search_fwdtree.c(1515): 11452 senones evaluated (123/fr)

INFO: ngram_search_fwdtree.c(1517): 4963 channels searched (53/fr), 534 1st, 3470 last

INFO: ngram_search_fwdtree.c(1521): 1094 words for which last channels evaluated (11/fr)

INFO: ngram_search_fwdtree.c(1524): 203 candidate words for entering last phone (2/fr)

INFO: ngram_search_fwdflat.c(295): Utterance vocabulary contains 2 words

INFO: ngram_search_fwdflat.c(912): 225 words recognized (2/fr)

INFO: ngram_search_fwdflat.c(914): 10189 senones evaluated (110/fr)

INFO: ngram_search_fwdflat.c(916): 5206 channels searched (55/fr)

INFO: ngram_search_fwdflat.c(918): 329 words searched (3/fr)

INFO: ngram_search_fwdflat.c(920): 164 word transitions (1/fr)

WARNING: "ngram_search.c", line 1087: </s> not found in last frame, using RIGHT instead

INFO: ngram_search.c(1137): lattice start node <s>.0 end node RIGHT.48

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(RIGHT:48:91) = -647142

INFO: ps_lattice.c(1266): Joint P(O,S) = -647271 P(S|O) = -129

000000001: TURN RIGHT (-12643528)

READY....

注意：此方法不可用于中文命令词建立语言模型

五、 利用现有的语言模型和声学模型

(1)下载Mandarin language and acoustic model

下载网址：http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/

Mandarin language model : zh_broadcastnews_64000_utf8.DMP、zh_broadcastnews_utf8.dic

Mandarin Broadcast News acoustic models : zh_broadcastnews_16k_ptm256_8000.tar.bz2

tar xjf zh_broadcastnews_16k_ptm256_8000.tar.bz2

cd zh_broadcastnews_16k_ptm256_8000

ls

feat.params means noisedict transition_matrices

mdef mixture_weights sendump variances

上面这些文件为声学模型中所拥有的文件。

把zh_broadcastnews_64000_utf8.DMP、zh_broadcastnews_utf8.dic、zh_broadcastnews_16k_ptm256_8000、pocketsphinx_continuous放在同一个目录下面，然后就可以使用模型了。

(2)测试结果

huang@ubuntu:/usr/local/bin$ pocketsphinx_continuous -hmm zh_broadcastnews_ptm256_8000 -lm zh_broadcastnews_64000_utf8.DMP -dict zh_broadcastnews_utf8.dic

-lowerf 133.33334 \

-upperf 6855.4976 \

-nfft 512 \

-wlen 0.0256 \

-transform legacy \

-feat s2_4x \

-agc none \

-cmn current \

-varnorm no

Current configuration:

[NAME] [DEFLT] [VALUE]

-agc none none

-agcthresh 2.0 2.000000e+00

-alpha 0.97 9.700000e-01

-ceplen 13 13

-cmn current current

-cmninit 8.0 8.0

-dither no no

-doublebw no no

-feat 1s_c_d_dd s2_4x

-frate 100 100

-input_endian little little

-lda

-ldadim 0 0

-lifter 0 0

-logspec no no

-lowerf 133.33334 1.333333e+02

-ncep 13 13

-nfft 512 512

-nfilt 40 40

-remove_dc no no

-round_filters yes yes

-samprate 16000 1.600000e+04

-seed -1 -1

-smoothspec no no

-svspec

-transform legacy legacy

-unit_area yes yes

-upperf 6855.4976 6.855498e+03

-varnorm no no

-verbose no no

-warp_params

-warp_type inverse_linear inverse_linear

-wlen 0.025625 2.560000e-02

…………………………….

……………………………

INFO: ngram_search_fwdtree.c(324): after: max nonroot chan increased to 75539

INFO: ngram_search_fwdtree.c(333): after: 461 root, 75411 non-root channels, 27 single-phone words

INFO: ngram_search_fwdflat.c(153): fwdflat: min_ef_width = 4, max_sf_win = 25

Warning: Could not find Mic element

INFO: continuous.c(261): pocketsphinx_continuous COMPILED ON: Feb 21 2011, AT: 22:31:47

READY....

Listening...

Stopped listening, please wait...

INFO: cmn_prior.c(121): cmn_prior_update: from < 8.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 >

INFO: cmn_prior.c(139): cmn_prior_update: to < 9.20 -0.17 -0.27 -0.29 -0.38 -0.05 -0.08 -0.15 -0.12 -0.15 0.13 -0.08 -0.07 >

INFO: ngram_search_fwdtree.c(1513): 2628 words recognized (45/fr)

INFO: ngram_search_fwdtree.c(1515): 228830 senones evaluated (3878/fr)

INFO: ngram_search_fwdtree.c(1517): 506870 channels searched (8591/fr), 25129 1st, 119738 last

INFO: ngram_search_fwdtree.c(1521): 7773 words for which last channels evaluated (131/fr)

INFO: ngram_search_fwdtree.c(1524): 146203 candidate words for entering last phone (2478/fr)

INFO: ngram_search_fwdflat.c(295): Utterance vocabulary contains 137 words

INFO: ngram_search_fwdflat.c(912): 1906 words recognized (32/fr)

INFO: ngram_search_fwdflat.c(914): 71680 senones evaluated (1215/fr)

INFO: ngram_search_fwdflat.c(916): 134571 channels searched (2280/fr)

INFO: ngram_search_fwdflat.c(918): 7855 words searched (133/fr)

INFO: ngram_search_fwdflat.c(920): 6388 word transitions (108/fr)

WARNING: "ngram_search.c", line 1087: </s> not found in last frame, using 啊 instead

INFO: ngram_search.c(1137): lattice start node <s>.0 end node 啊(4).21

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(啊(4):21:57) = -296641

INFO: ps_lattice.c(1266): Joint P(O,S) = -296641 P(S|O) = 0

000000000: 啊 (-4653851)

READY....

Listening...

Stopped listening, please wait...

INFO: cmn_prior.c(121): cmn_prior_update: from < 9.37 -0.27 -0.29 -0.06 -0.23 -0.13 -0.09 -0.15 -0.08 -0.15 -0.02 -0.07 -0.10 >

INFO: cmn_prior.c(139): cmn_prior_update: to < 9.31 -0.25 -0.37 -0.08 -0.22 -0.14 -0.08 -0.11 -0.05 -0.13 -0.02 -0.10 -0.12 >

INFO: ngram_search_fwdtree.c(1513): 2368 words recognized (38/fr)

INFO: ngram_search_fwdtree.c(1515): 251689 senones evaluated (4059/fr)

INFO: ngram_search_fwdtree.c(1517): 499391 channels searched (8054/fr), 26703 1st, 127525 last

INFO: ngram_search_fwdtree.c(1521): 7782 words for which last channels evaluated (125/fr)

INFO: ngram_search_fwdtree.c(1524): 181902 candidate words for entering last phone (2933/fr)

INFO: ngram_search_fwdflat.c(295): Utterance vocabulary contains 106 words

INFO: ngram_search_fwdflat.c(912): 1960 words recognized (32/fr)

INFO: ngram_search_fwdflat.c(914): 40695 senones evaluated (656/fr)

INFO: ngram_search_fwdflat.c(916): 107699 channels searched (1737/fr)

INFO: ngram_search_fwdflat.c(918): 6493 words searched (104/fr)

INFO: ngram_search_fwdflat.c(920): 5071 word transitions (81/fr)

INFO: ngram_search.c(1137): lattice start node <s>.0 end node </s>.50

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(</s>:50:60) = -190357

INFO: ps_lattice.c(1266): Joint P(O,S) = -206492 P(S|O) = -16135

000000002: 二 (-3082778)

READY....

Listening...

Stopped listening, please wait...

INFO: cmn_prior.c(121): cmn_prior_update: from < 9.31 -0.25 -0.37 -0.08 -0.22 -0.14 -0.08 -0.11 -0.05 -0.13 -0.02 -0.10 -0.12 >

INFO: cmn_prior.c(139): cmn_prior_update: to < 9.26 -0.29 -0.28 0.11 -0.18 -0.16 -0.05 -0.16 -0.04 -0.19 -0.05 -0.10 -0.14 >

INFO: ngram_search_fwdtree.c(1513): 1595 words recognized (18/fr)

INFO: ngram_search_fwdtree.c(1515): 302259 senones evaluated (3358/fr)

INFO: ngram_search_fwdtree.c(1517): 487518 channels searched (5416/fr), 37862 1st, 104395 last

INFO: ngram_search_fwdtree.c(1521): 5835 words for which last channels evaluated (64/fr)

INFO: ngram_search_fwdtree.c(1524): 197251 candidate words for entering last phone (2191/fr)

INFO: ngram_search_fwdflat.c(295): Utterance vocabulary contains 61 words

INFO: ngram_search_fwdflat.c(912): 1027 words recognized (11/fr)

INFO: ngram_search_fwdflat.c(914): 24680 senones evaluated (274/fr)

INFO: ngram_search_fwdflat.c(916): 65722 channels searched (730/fr)

INFO: ngram_search_fwdflat.c(918): 4251 words searched (47/fr)

INFO: ngram_search_fwdflat.c(920): 2861 word transitions (31/fr)

INFO: ngram_search.c(1137): lattice start node <s>.0 end node </s>.82

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(</s>:82:88) = -275522

INFO: ps_lattice.c(1266): Joint P(O,S) = -277262 P(S|O) = -1740

000000003: 一年 (-4414731)

READY....

Listening...

Stopped listening, please wait...

……………………………

…………………………..

……………………………

INFO: ngram_search_fwdflat.c(920): 6841 word transitions (73/fr)

INFO: ngram_search.c(1137): lattice start node <s>.0 end node </s>.85

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(</s>:85:91) = -261132

INFO: ps_lattice.c(1266): Joint P(O,S) = -278320 P(S|O) = -17188

000000008: 留念 (-3893136)

…………………..

…………………

……………………

INFO: ngram_search.c(1137): lattice start node <s>.0 end node </s>.99

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(</s>:99:105) = -305972

INFO: ps_lattice.c(1266): Joint P(O,S) = -325764 P(S|O) = -19792

000000010: 基民 (-4532446)

…………………..

INFO: ngram_search_fwdflat.c(920): 5175 word transitions (46/fr)

INFO: ngram_search.c(1137): lattice start node <s>.0 end node </s>.102

INFO: ps_lattice.c(1228): Normalizer P(O) = alpha(</s>:102:110) = -283182

INFO: ps_lattice.c(1266): Joint P(O,S) = -283589 P(S|O) = -407

000000012: 一九八九 (-4134767)

READY....

从以上识别结果可以看出，这普通话语音识别正确率比原来的英文语音识别正确率低了很多，这和我们的口音存在一定的关系，为了能有比较高的普通话语音识别率，最好自已生成语音模型与声学模型。

本文转自einyboy博客园博客，原文链接：http://www.cnblogs.com/einyboy/archive/2012/12/01/2796965.html，如需转载请自行联系原作者。

微信关注我们

原文链接：https://yq.aliyun.com/articles/385670

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

快来打造属于自己的天猫精灵

看了天猫精灵的介绍，是不是觉得很神奇，实际每个程序要都可以打造属于自己的智能家居可以实现的功能点歌 - 最基础的功能了，可以将自己喜欢的歌曲下载下来，随时点歌定时提醒 - 提醒自己吃饭，提醒自己睡觉听故事 - 可以通过指令让其在线搜索小故事，然后通过语音读给自己听聊天 - 可以后端接入一个智能机器人（比如阿里云的云博士），没事叫他学习，最后让其记录自己的言行，最后再通过大数据，分析出一些不可知的东西也未可知哦实现步骤大致分为输入端，总控端，以及输出端输入端可以是手机，或者一些迷你麦克风等，只负责进行语音输入总控可以自己购买一台服务器（推荐阿里云服务器），负责将语音转化为可识别的指令，并将指令发给对应的输出端输出端可以是树莓派，或者功耗比较底的电脑，可以7*24小时运行，负责指令结果的输出，比如播放音乐，显示天气等，另外一项职责是负责持续采集数据，比如自己每天几点回家，可以通过接入红外线设备进行判断，在家时间长短等，这些数据都可以成为最后大数据分析的基础数据。实现工具编程语言个人推荐nodejs，也可以用Java，主要技术包括websocket，语音识别，语义分析...

2017-08-10

550

著名物理学家霍金教授说，忘了黑洞吧，女人才是宇宙最大的谜。比如，明明嘴上说你走吧，内心里其实是想挽留你，明明说不喜欢你，可能心里喜欢得要命。所以，很多男性往往因为听不懂女性话语背后的潜台词，而惹得家里鸡飞狗跳，生存难度显著增加。但，未来这个最大的谜题因为大数据分析的出现而揭开谜底。人工智能是大数据分析的杀手级应用，其逻辑要点是：基于机器深度学习+大数据分析，数据越多，它就会越智能；它越智能，应用就越广泛。未来，你可以拥有一台智能机器人，当然也可能是一只智能机器狗，还可能是你手上那台被植入智能芯片而变得异常聪明的手机。可以和你自由的对话，了解你的喜怒哀乐，向你推荐最喜欢吃的菜，最爱看的电影，也可以是你的贴身管家，料理繁杂的琐事，到陌生的城市旅游，可以当你的导游，与当地人母语交流，最最重要的是它可能会帮你学会读心术。别小看这人工智能的背后，往往是沉淀了数年的成果。诺亚方舟实验室主任李航博士介绍，智能信息助手是华为诺亚方舟实验室在人工智能领域的一个愿景。实验室已开发出许多业界领先技术，并应用到华为的多个产品中，希望今后能创新出更多更好的技术，给用户带来更加美好的体验。深度学习...

2017-08-11

458

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。