【问题标题】:Tuning CMU Sphinx调整 CMU Sphinx
【发布时间】:2012-11-13 11:49:54
【问题描述】:

我正在尝试构建基于 CMU Sphinx 的语音识别应用程序。 我使用 lmtool 创建了自己的语言模型。 但是为了提高识别的准确率,我想对Sphinx进行调优。 但是对于选择absoluteBeamWidth、relativeBeamWidth、absoulteWordBeamWidth、languageWeight等属性是否有任何指导方针。 我不确定这些属性是什么意思。此外,任何可以帮助我调整 Sphinx 的资源链接(不包括 sphinx 网站上不完整的调整链接)都将不胜感激。

谢谢

【问题讨论】:

    标签: performance cmusphinx sphinx4


    【解决方案1】:

    但是为了提高识别的准确率,我想对Sphinx进行调优。

    准确性不是通过调整来提高的,而是通过使用更好的模型和更高级的算法来提高的。有关详细信息,请参阅常见问题解答:

    http://cmusphinx.sourceforge.net/wiki/faq#qwhy_my_accuracy_is_poor

    【讨论】:

    • 好的,那我们为什么要使用absoluteBeamWidth、relativeBeamWidth、absoulteWordBeamWidth和languageWeight等属性......
    • 语音识别本质上是对正确结果的搜索。 Beams 通过删除得分低于最佳变体的变体来限制搜索。相对波束宽度影响得分小于波束倍数的路径。绝对光束选择每帧探索的路径的绝对数量。词束考虑这个特定帧的词尾,而只是束考虑所有路径。较小的光束加速搜索,较宽的光束使其更慢。语言权重控制语言模式的效果。通常在实验过程中选择。
    • 默认值一般都刚刚好,调整后并没有什么明显的改善。
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2012-08-19
    • 2016-12-07
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多