用于在音频文件中转录语音的开源软件
任何人都可以推荐可靠的开源软件在wav文件中转录英语语音吗？ 我研究的两个主要程序是狮身人面像和朱利叶斯，但我从来没有能够得到任何工作，每个转录文件的文档都是粗略的。
我正在开发64位Ubuntu 10.04，其中包括sphinx2和julius，以及voxforge的julius英语声学模式。 我专注于转录文件，而不是直接处理来自麦克风的声音，因为我已经放弃期望像这样的项目能够与Ubuntu的音响系统一起工作。 这不是对付Ubuntu的敲门声，因为我可以使用Audacity完美地录制我的麦克风的声音，但这两个系统似乎都无法访问我的麦克风，所以我希望我可以通过从文件中读取来简单地配置它们。
我首先从Ubuntu包sphinx2-bin中尝试了Sphinx2。 尽管示例sphinx2-demo似乎可以在转录文件时使用，但实际上没有关于配置的文档，所以我不确定如何定制这个以从任意wav中读取。 演示中使用的音频文件有一些未公开的“16k”格式，它通过2个配置文件间接引用。 有一段简短的介绍将sphinx2-demo描述为运行sphinx2-batch，但检查脚本显示它实际上调用了sphinx2-continuous。 更糟糕的是，每个脚本列表的--help文档大约有六十个选项，并没有提及哪些是必需的或可选的。 总体而言，狮身人面像文档的缺乏以及现有文档的质量很差，这使我疯狂。
考虑到Voxforge的快速入门使用的版本是3.5，我接下来再次尝试了来自Ubuntu软件包的Julius，这是令人惊讶的最近（4.1）。 该软件包似乎包含稍微好一些的文档，甚至是用Python编写的例子（/ usr / share / doc / julius-voxforge / examples / controlapp）。 在阅读了示例的文档之后，我尝试通过创建一个文件filelist.txt来修改它以便从文件中读取，该文件包含文本“hello.wav”，该文件引用同名文件，其中包含某人的“你好”的录音。 把这些放在同一个目录中，我跑了：
julius -input file -filelist filelist.txt -C julian.jconf
得到回应：
### read waveform input
Error: adin_file: sampling rate != 16000 (8000)
Error: adin_file: error in parsing wav header at hello.wav
Error: adin_file: failed to read speech data: "hello.wav"
0 files processed
通过为filelist.txt和hello.wav指定绝对文件名来重试会产生相同的错误。
我也尝试过在示例中使用的Julius调用，直接从麦克风录制：
julius -input mic -C julian.jconf
我多次调用这个函数，并且错误之间的响应不一致：
Cannot read /dev/dsp
和：
STAT: AD-in thread created
<<< please speak >>>
在后一种情况下，不管我对麦克风说什么，都不会发生。 我不知道它是否仍然无法读取麦克风，或者它是否正在读取某些内容，但无法录制音频。
我不知道该怎么做。 我遇到的错误不会让我继续前进。 为什么不能读取wav？ 为什么不能读取/ dev / dsp？ 为什么它似乎能够读取/ dev / dsp，但没有任何反应？
其他人是否在开源语音识别器方面取得了成功，特别是在Linux上？
为什么不能读取wav？
它告诉你文件有错误的采样率（8000）而不是请求的（16000）。 采样率对于语音识别软件来说非常重要。
为什么不能读取/ dev / dsp？
在最近版本的Ubuntu中使用pulseaudio框架来代替OSS。 您尝试使用的版本正在使用OSS，因此您需要从您的发行版中安装oss兼容性软件包以恢复OSS支持。
你可以尝试新的Julius，它有Pulseaudio支持
为什么它似乎能够读取/ dev / dsp，但没有任何反应？
音频输入无法正常工作。
其他人是否在开源语音识别器方面取得了成功，特别是在Linux上？
当然，查看这个视频是人们用CMUSphinx做什么的一个例子：
http://www.youtube.com/watch?v=vfaNLIowSyk
我建议你重新审视CMUSphinx软件包，它是一个领先的开源语音识别引擎。 网站上有大量文件，你只需要阅读它们。 请记住，语音识别是一个复杂的领域，您可以获得很好的结果，但您也需要投入时间来了解技术。 就像任何其他域一样。
简而言之，要用CMUSPhinx转录文件，您需要执行以下3个简单步骤：
sox input.wav -r 8000 -c 1 resampled.wav
apt-get install pocketsphinx
pocketsphinx_continuous -samprate 8000 -infile resampled.wav
结果将打印到标准输出。 要压缩记录器，请将stderr重定向添加到/ dev / null
pocketsphinx_continuous -infile resampled.wav 2> /dev/null链接地址: http://www.djcxy.com/p/34427.html
上一篇: Open Source Software For Transcribing Speech in Audio Files