CMU Sphinx 4 的解码速度问题

Question

我使用 CMU sphinx 4 编写了语音识别应用程序，并遵循了link 中的详细信息。我已经定义了声学、字典和语言模型如下

configuration.setAcousticModelPath("resource:/edu/cmu/sphinx/models/en-us/en-us");

configuration.setDictionaryPath("resource:/edu/cmu/sphinx/models/en-us/cmudict-en-us.dict");

configuration.setLanguageModelPath("resource:/edu/cmu/sphinx/models/en-us/en-us.lm.bin");

使用上述配置，20 分钟的 wav 文件几乎需要接近 20 分钟来完成转录。因此，我尝试传递用户定义的 config.xml。我没有找到配置管理器选项来使用当前版本的Sphinx4传递用户定义的config.xml。然后我通过扩展AbstractSpeechRecognizer.java类编写了自己的识别器（它可能没用) 并更改了 config.xml 的一些参数，我尝试过但仍然没有改善。

我已经从多个来源下载了视频和音频，并使用 FFMPEG 转换为 WAV 文件

命令如下

ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav

环境详情：

Java 8

Ubuntu 14.04

内存 4GB

I5 处理器

我想知道的是，我在这里缺少什么以及如何提高性能？

Answer 1

语音识别是一个资源密集型过程。准确的语音识别预计会很慢，你目前的速度1xRT（1分钟需要1分钟解码）是合理的。有一些商业产品使用 GPU 加速，可以以 0.05xRT 运行，但在 CPU 上运行速度通常不超过 0.2xRT。所以还是要花时间去解码。

如果您想更快地处理文件，可以将其拆分为多个部分，并在并行线程或并行机器上分别解码每个部分。