Cmusphinx 西班牙语模型不连贯转录

Question

我在笔记本电脑 (Linux Mint 17) 中安装了 pocketsphinx，旨在将 WAV 音频文件转录为文本。音频是西班牙语的，所以我从其网站下载了 Voxforge 0.2 西班牙语模型，并复制粘贴了以下代码：

#include <pocketsphinx.h>

int main(int argc, char *argv[])
{
   ps_decoder_t *ps;
   cmd_ln_t *config;
   FILE *fh;
   char const *hyp, *uttid;
   int16 buf[512];
   int rv;
   int32 score;

   if( argc == 2 ) 
   {
      printf("Transcribiendo fichero: %s\n", argv[1]);
   }
   else if( argc > 2 ) 
   {
      printf("Demasiados argumentos.\n");
   }
   else 
   {
      printf("Se esperaba un sólo argumento.\n");
   }
   config = cmd_ln_init(NULL, ps_args(), TRUE,
             "-hmm", "/home/<myuser>/software/voxforge-es/model_parameters/voxforge_es_sphinx.cd_ptm_3000",
             "-lm", "/home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.transcription.test.lm",
             "-dict", "/home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.dic",
             NULL);
   if (config == NULL) 
   {
      fprintf(stderr, "Failed to create config object, see log for details\n");
    return -1;
   }

   ps = ps_init(config);
   if (ps == NULL) 
   {
      fprintf(stderr, "Failed to create recognizer, see log for details\n");
      return -1;
   }

   fh = fopen(argv[1], "rb");
   if (fh == NULL) 
   {
      fprintf(stderr, "Unable to open input file.\n");
      return -1;
   }

   rv = ps_start_utt(ps);

   while (!feof(fh)) 
   {
      size_t nsamp;
      nsamp = fread(buf, 2, 512, fh);
      rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);
   }

   rv = ps_end_utt(ps);
   hyp = ps_get_hyp(ps, &score);
   printf("Reconocido: %s\n", hyp);

   fclose(fh);
   ps_free(ps);
   cmd_ln_free_r(config);

   return 0;
}

问题在于 WAV 单声道 16Khz 文件会产生奇怪的结果。 我想知道的是我是否需要重建模型或调整特定参数...

例如，考虑以下文本：

“Hola soy ingeniero informationático”

我将它转换为 16KHz/16bits/单声道 WAV 文件。

运行我的代码，它会给出以下输出：

> ./nlptest voice.wav
"cola salir en y era de líneas"

如您所见，它与原版完全不同。只有“hola”和“cola”这两个词的发音相似（但意思完全不同）。

即使使用pocketsphinx_continuous，结果也很糟糕（只有一个字不同）：

> pocketsphinx_continuous -hmm /home/<myuser>/software/voxforge-es/model_parameters/voxforge_es_sphinx.cd_ptm_3000 -lm /home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.transcription.test.lm -dict /home/<myuser>/software/voxforge-es/etc/voxforge_es_sphinx.dic -infile voice.wav
"cola seguir en y era de líneas"

感谢您的建议。

Answer 1

您使用的语言voxforge_es_sphinx.transcription.test.lm 模型名称中有“test”，仅用于测试目的。您可以在我们的网站here上下载更高级的模型es-20k.lm.gz。

总体而言，我们的西班牙语模型非常基本且不是很准确，如果您需要认真的转录，则需要付出很多努力来扩展它。