需要适用于 Linux 的文本到语音和语音识别工具答案

【问题标题】：Need text to speech and speech recognition tools for Linux需要适用于 Linux 的文本到语音和语音识别工具
【发布时间】：2009-05-18 12:33:00
【问题描述】：

我正计划为 Linux 编写一个使用文本到语音和语音识别的程序。什么是最好的工具/库？我应该使用 Windows 来使用更好的工具吗？这些工具需要能够从控制台或 C 程序中轻松调用。

【问题讨论】：

标签： linux speech-recognition text-to-speech

【解决方案1】：

对于语音识别，有各种Sphinxes。不同的变种有不同的优缺点，这里有一个比较Comparison of Sphinx versions。我相信，Sphinx 4 是 Java，但其他的是 C。

【讨论】：

【解决方案2】：

这在很大程度上取决于您要识别的语音。

这是 2005 年的一篇文章，解释了创建听写程序的一些困难：http://www.cs.cmu.edu/~archan/personal/whyNoOpenSourceDictationDraft4.html。如果您愿意，Julius 语音识别引擎似乎很有前途，但您需要添加自己的声学和语言模型。您或许可以使用voxforge 声学模型。

如果您不尝试编写听写程序，那么您的任务会容易得多。命令程序的词汇量有限，例如“如果您想继续使用英语，请说“英语”。

我能够使用 pocketsphinx 和 gstreamer 制作 a program 获得相当不错的结果，它会自动编辑出现在 TWiT 播客中的大多数单词“twitter”。直到我根据播客的成绩单使用我自己的语言模型之前，它根本不起作用；来自语音识别器的机器转录无用/搞笑，但它们在查找关键字方面做得很好。

【讨论】：

您有使用 tcpserversrc/client 的 pocketsphinx 和 gstreamer 的经验吗？
不，但 gstpocketsphinx + tcpserversrc/sink 应该与任何其他 gstreamer 元素 + tcpserversrc/sink 没有任何不同。
您的“twitterkiller”程序的链接似乎已损坏。

【解决方案3】：

对于语音识别，Linux 几乎没有。我只知道一个明显不错的选择，IBM 几年前发布但后来不再可用（有人知道这个 ViaVoice SDK 是否仍然可以从任何地方获取？）。 wikipedia 有更多关于可能选项的信息。

【讨论】：

通过语音 SDK。它从未完全发布过，文档要求 2.4 内核版本号的范围相当窄。当我手腕出现间歇性肌腱炎时，我玩弄它以减轻打字负担，但没有运气......

【解决方案4】：

我在linux下使用过Loquendo和Festival。我认为我使用的音乐节声音很差，合成非常机器人。另一方面，Loquendo 的声音非常出色——质量非常高。

【讨论】：

如果你要使用Festival，你应该安装alternate voices。说明（针对 debian/ubuntu）在这里：ubuntuforums.org/showthread.php?t=677277
您对 Loquendo 的体验如何？如果您愿意，我很想通过电子邮件向您提出几个问题？

【解决方案5】：

对于 Debian/Ubuntu 文本转语音，还有 SVOX Pico：

sudo apt-get install libttspico-utils

【讨论】：

【解决方案6】：

我知道espeak 是一个非常好的用于 linux 的文本到语音转换程序（它甚至可以做不同的口音！），但我不知道有任何为 UNIX 设计的语音识别系统。

【讨论】：

【解决方案7】：

at&t fsm 工具包也非常棒 - 但不允许用于商业用途，

http://www.research.att.com/~fsmtools/fsm/

【讨论】：

【解决方案8】：

这有点老了，但我前几天在 Hackaday 上看到了一个相当全面的语音识别指南： http://hackaday.com/2010/07/09/get-started-with-speech-recognition/

【讨论】：

【解决方案9】：

http://simon-listens.org/ - simon 开源语音/语音识别程序

【讨论】：

【解决方案10】：

还有用于文本到语音的 mbrola。

【讨论】：

【解决方案11】：

您是否检查了基于 HMM 的语音合成的文本转语音。您可以在网站http://hts.sp.nitech.ac.jp/ 上找到免费演示。安装会有点繁琐。

【讨论】：

【解决方案12】：

我知道，最初的问题是关于寻找合适的库，但就使用足够好的语音识别来进行真正的听写而言，Linux 似乎没有任何东西（尽管我确信它会及时改变，我怀疑这需要一段时间，因为我不确定有多少人感兴趣）。

目前，我正在尝试将 Dragon NaturallySpeaking 推广为 CodeWeavers 支持的产品...因此，如果您作为用户感兴趣，如果您投票会有所帮助...

http://www.codeweavers.com/compatibility/browse/name/?app_id=8427

【讨论】：