傳送門
當(dāng)前文章：《iOS-PocketSphinx——安裝PocketSphinx》
《iOS-PocketSphinx——構(gòu)建iOS使用的SDK》
《iOS-PocketSphinx——調(diào)整默認(rèn)聲學(xué)模型》
系統(tǒng)環(huán)境
Mac OS 10.15.6
CMUSphinx工具包概述
- Sphinxbase — Pocketsphinx所需要的支持庫，主要完成的是語音信號的特征提取。
- Pocketsphinx — 用C語言編寫的輕量級識別庫，主要是進行識別的。
- Sphinxtrain — 聲學(xué)模型訓(xùn)練工具
安裝PocketSphinx
PocketSphinx是一個依賴于另一個名為SphinxBase的庫的庫，該庫在所有CMUSphinx項目中提供通用功能。要安裝Pocketsphinx，需要同時安裝Pocketsphinx和Sphinxbase。
將sphinxbase、pocketsphinx放在同一目錄下
首先構(gòu)建并安裝SphinxBase（sphinxbase必須先安裝）
$ cd sphinxbase
$ ./autogen.sh
$ make
$ sudo make install
然后構(gòu)建Pocketsphinx（步驟相同）
$ cd pocketsphinx
$ ./autogen.sh
$ make
$ sudo make install
安裝SphinxTrain
$ cd sphinxtrain
$ ./autogen.sh
$ make
$ sudo make install
測試PocketSphinx
運行pocketsphinx_continuous -inmic yes檢查其是否可以識別您在麥克風(fēng)中說的單詞
$ pocketsphinx_continuous -inmic yes
會出現(xiàn)Ready... Listening...
對麥克風(fēng)說 "hello"，終端也識別出了"hello"，測試成功
INFO: continuous.c(275): Ready....
INFO: continuous.c(261): Listening...
INFO: cmn_live.c(120): Update from < 15.47 11.52 -23.59 5.01 -7.99 -10.39 3.40 -10.32 6.99 2.10 -3.12 3.31 -4.84 >
INFO: cmn_live.c(138): Update to < 17.67 16.51 -23.53 6.89 -6.99 -10.99 4.08 -9.21 8.38 2.91 -1.46 4.42 -5.29 >
INFO: ngram_search_fwdtree.c(1550): 3949 words recognized (43/fr)
INFO: ngram_search_fwdtree.c(1552): 347666 senones evaluated (3821/fr)
INFO: ngram_search_fwdtree.c(1556): 2459122 channels searched (27023/fr), 61062 1st, 148131 last
INFO: ngram_search_fwdtree.c(1559): 7585 words for which last channels evaluated (83/fr)
INFO: ngram_search_fwdtree.c(1561): 213126 candidate words for entering last phone (2342/fr)
INFO: ngram_search_fwdtree.c(1564): fwdtree 1.12 CPU 1.227 xRT
INFO: ngram_search_fwdtree.c(1567): fwdtree 2.46 wall 2.704 xRT
INFO: ngram_search_fwdflat.c(302): Utterance vocabulary contains 173 words
INFO: ngram_search_fwdflat.c(948): 2874 words recognized (32/fr)
INFO: ngram_search_fwdflat.c(950): 128628 senones evaluated (1413/fr)
INFO: ngram_search_fwdflat.c(952): 264648 channels searched (2908/fr)
INFO: ngram_search_fwdflat.c(954): 12085 words searched (132/fr)
INFO: ngram_search_fwdflat.c(957): 8934 word transitions (98/fr)
INFO: ngram_search_fwdflat.c(960): fwdflat 0.12 CPU 0.137 xRT
INFO: ngram_search_fwdflat.c(963): fwdflat 0.13 wall 0.138 xRT
INFO: ngram_search.c(1250): lattice start node <s>.0 end node </s>.57
INFO: ngram_search.c(1276): Eliminated 1 nodes before end node
INFO: ngram_search.c(1381): Lattice has 483 nodes, 4953 links
INFO: ps_lattice.c(1376): Bestpath score: -2866
INFO: ps_lattice.c(1380): Normalizer P(O) = alpha(</s>:57:89) = -216645
INFO: ps_lattice.c(1437): Joint P(O,S) = -247947 P(S|O) = -31302
INFO: ngram_search.c(872): bestpath 0.02 CPU 0.019 xRT
INFO: ngram_search.c(875): bestpath 0.02 wall 0.019 xRT
hello
測試識別語音文件
cd到音頻文件所在目錄，用pocketsphinx_continuous命令識別005.wav音頻文件，輸出audio.result文本文件（音頻文件必須是單聲道16kHz）
$ cd /Users/.../pocketsphinx/test/data/cards
$ pocketsphinx_continuous -infile 005.wav > audio.result
打開audio.result，內(nèi)容為：
eight of spades for up close seven of hearts
識別成功
安裝其他工具
《iOS-PocketSphinx——安裝tensorflow的坎坷過程》
《iOS-PocketSphinx——安裝g2p-seq2seq》
參考資料：
使用PocketSphinx構(gòu)建應(yīng)用程序（官方教程）：https://cmusphinx.github.io/wiki/tutorialpocketsphinx/
CMUSphinx文檔：https://cmusphinx.github.io/wiki/
