Cmusphinxスペイン語モデルインコヒーレントな転写

Question

私はラップトップ（Linux Mint 17）にpocketsphinxをインストールして、WAVオーディオファイルをテキストに転記することを目指しています。オーディオはスペイン語であるので、私は同社のウェブサイトからVoxforge 0.2スペイン語モデルをダウンロードし、次のコードをコピー＆ペースト適応しました：

#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: %s\n", 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 details\n"); 
    return -1; 
    } 

    ps = ps_init(config); 
    if (ps == NULL) 
    { 
     fprintf(stderr, "Failed to create recognizer, see log for details\n"); 
     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: %s\n", hyp); 

    fclose(fh); 
    ps_free(ps); 
    cmd_ln_free_r(config); 

    return 0; 
} 

問題WAVモノ16kHzのファイル利回り奇妙な結果ということです。

「はいはい大豆ingenieroのinformático」

I：私はモデルやチューニングに特定のパラメータを再構築する必要がある場合は、私が知りたいことはある ...

たとえば、次のテキストを考慮それを16KHz/16ビット/モノラルWAVファイルに変換します。私のコードを実行する

、それはこの出力を与える：

> ./nlptest voice.wav 
"cola salir en y era de líneas" 

あなたはそれがオリジナルとは全く異なっている見ることができるように。 "hola"と "cola"という言葉だけが発音において似ていますが（絶対的に異なる意味）でもpocketsphinx_continuous使用

は、結果は（それが唯一の単語が異なる）非常に悪いです：あなたのアドバイスのための

> 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" 

感謝。

Answer 1

あなたが使用している言語voxforge_es_sphinx.transcription.test.lmのモデルは名前に「テスト」がありますが、テスト目的のみです。より高度なモデルes-20k.lm.gzを当社のウェブサイトhereにダウンロードすることができます。

スペイン語の全体的なモデルは基本的で非常に正確ではありません。あなたが深刻な書き起こしが必要な場合は、それを拡張するために多くの努力をする必要があります。