【发布时间】：2014-04-29 20:18:54
【问题描述】：
我正在考虑一种机制来找出一个特殊的词，例如。 “你好世界”在 youtube 视频中说。我真的不知道该怎么做，但我的方法是：
- 通过 youtube-dl 从 youtube 视频中提取音频
- 通过 pocketsphinx_continuous 进行语音识别并保存在 txt 文件中
但这是非常不可靠的。 pocketsphinx_continuous 不太好用。
任何人都可以提出一个好的解决方案吗？
感谢您的帮助！
【问题讨论】：
-
最近的pocketsphinx有特殊的关键字定位模式来寻找关键字（pocketsphinx_kws -infile file.wav）。至于是否可靠，您可能没有将音频转换为正确的格式或存在其他问题。
-
而且，pocketsphinx 搜索关键字的效率比任何解码都要高。
-
我没有找到任何解释“pocketsphinx_kws”的网站。从谷歌返回只有 3 页？！你能解释一下我将如何使用它吗？我认为 WAV 文件的格式正确：单声道、16KHz、16 位对吗？
-
是的，这是一项最新技术。从 subversion 编译 pocketsphinx，下载 en-us 通用声学模型，将文件转换为 16khz 16bit 单声道，运行
pocketsphinx_kws -hmm en-us -infile file.wav -kws "key phrase"
标签： audio youtube speech-recognition speech-to-text