Android离线语音识别-中英文,小范围,高准确率

时间:2021-09-23 08:12:59
        在跑通Android离线语音识别demo  PocketSpinxAndroiDemo后,发现其使用pocketsphinx进行语音识别的准确率并不是很低。这和pocketsphinx语音识别所用的语言模型和声学模型相关。pocketsphinx-0.8源码自带几个语言模型和声学模型,pocketsphinx-0.7/model/hmm下的是声学模型(hmm应该指的是隐马尔科夫模型),pocketsphinx-0.7/model/lm下的是语言模型(lm表示language model)。运行demo时使用的是美国英语的语言模型( /lm/en_US/hub4.5000.DMP)和声学模型( /hmm/en_US/hub4wsj_sc_8k)以及字典文件( /lm/en_US/hub4.5000.dic),/pocketsphinx/model目录 内容如下,
├── hmm
│   ├── en
│   │  └── tidigits
│   │      ├── feat.params
│   │      ├── mdef
│   │      ├── means
│   │      ├── sendump
│   │      ├── transition_matrices
│   │       └── variances
│   ├── en_US
│   │  └── hub4wsj_sc_8k
│   │      ├── feat.params
│   │      ├── mdef
│   │      ├── means
│   │      ├── noisedict
│   │      ├── sendump
│   │      ├── transition_matrices
│   │      └── variances
│   └── zh
│       └── tdt_sc_8k
│           ├── feat.params
│           ├── mdef
│           ├── means
│           ├── noisedict
│           ├── sendump
│           ├── transition_matrices
│           └── variances
└── lm
    ├── en
    │  ├── tidigits.dic
    │  ├── tidigits.DMP
    │  ├── tidigits.fsg
    │  ├── turtle.dic
    │  └── turtle.DMP
    ├── en_US
    │  ├── cmu07a.dic
    │  ├── hub4.5000.DMP
    │  └── wsj0vp.5000.DMP
    ├── zh_CN
    │  ├── gigatdt.5000.DMP
    │  └── mandarin_notone.dic
    └── zh_TW
        ├── gigatdt.5000.DMP
        └── mandarin_notone.dic
这个目录下的内容在后面还要使用到。
          此外,CMU sphinx 的官网提供了各种语言的声学模型和语言模型的下载,具体见,
http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/
本来应该有中文的,
声学模型:zh_broadcastnews_16k_ptm256_8000.tar.bz2
语言模型:zh_broadcastnews_64000_utf8.DMP
字典文件:zh_broadcastnews_utf8.dic
但现在去其官网上找已经没中文的了。。。另外,还可以使用语言模型训练工具CMUCLMTK和声学模型训练工具sphinxtrain 自己训练得到语言模型和声学模型,这样的效果应该是最好的(识别范围应该也能扩大不少),这里不详细讲述,可以参考最后的参考链接1。

小范围英文准确识别
        Demo用的字典太大,相应的语言模型也很大,而这个语言模型和字典并非针对你而训练的,这是造成识别率低下的主要原因。因此,下面创建自己的语料库drone_ctr.txt,文件的内容是,
take off
land
turn left
turn right
forward
backward
spin left
spin right
up
down
hover
利用在线工具—— http://www.speech.cs.cmu.edu/tools/lmtool.html 上点Browse提交drone_ctr.txt ,在线生成语言模型文件(一个压缩文件),下载生成的压缩文件,解压,我们要使用其中的1172 .lm和1172 .dic代替原来使用的 hub4.5000.DMP和 hub4.5000.dic。打开1172 .dic文件,其内容主要也就是 drone_ctr.txt每一条语料加上其注音。替换语言模型和字典后,修改 PocketSpinxAndroiDemo中 RecognizerTask.java的代码如下,
c.setString( "-hmm",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/hmm/en_US/hub4wsj_sc_8k") ;
c.setString( "-dict",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/lm/1172.dic") ;
c.setString( "-lm",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/lm/1172.lm") ;
由代码可知,我们仍然使用原来的声学模型,改变的只是语言模型和字典(1172.dic和1172.lm)。然后真机上调试,准确率就上来了~
          经过试验,发现准确率在不改变字典的情况下仍然不高,这说明声学模型不变的情况下,字典范围得足够小才能准确识别。

小范围中文准确识别
        和英文情况类似,先创建语料库 drone_ctr.txt,文件的内容是,
起飞
降落
向左
向右
向前
向后
左转
右转
上升
下降
盘旋
利用在线工具—— http://www.speech.cs.cmu.edu/tools/lmtool.html 上点Browse提交drone_ctr.txt ,在线生成语言模型文件,下载生成的压缩文件,解压,我们要使用其中的9930.lm和9930.dic代替原来使用的 hub4.5000.DMP和 hub4.5000.dic。这时打开字典 9930.dic ,发现其内容和语料库 drone_ctr.txt是一摸一样的,并没有在每一行后面加上音注,这是因为该在线工具 不支持中文注音(由参考链接3可知,原来可能是支持的),所以需要自己加音注,加音注后的9930.dic文件如下,
上升      sh ang sh eng
下降      x ia j iang
右转    y ou zh uan
向前    x iang q ian
向右      x iang y ou
向后      x iang h ou
向左      x iang z uo
左转      z uo zh uan
盘旋      p an x uxan
起飞      q i f ei
降落      j iang l uo
后面音注我是从 /pocketsphinx/model/lm/zh_CN/ mandarin_notone.dic中找到相应的语料,然后将其音注拷过来的(本来想用 zh_broadcastnews_utf8.dic字典库,但现在 CMU sphinx 的官网上已经下不到中文声学模型和语言模型以及字典了 ),这再次证明了字典文件其实就是“语料+音注”。接下来,使用生成的语言模型9930.lm和自己编辑的字典9930.dic以及 pocketsphinx-0.8源码自带中文声学模型 /pocketsphinx/model/hmm/zh/ tdt_sc_8k,并修改 RecognizerTask.java代码,
c.setString( "-hmm",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/hmm/zh/tdt_sc_8k") ;
c.setString( "-dict",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/lm/9930.dic") ;
c.setString( "-lm",
                 "/sdcard/Android/data/edu.cmu.pocketsphinx/lm/9930.lm") ;
这样就可以进行语料库范围的中文语音识别了,准确率很高!

参考:
http://blog.csdn.net/zouxy09/article/details/7942784语言/ 声学 模型介绍)
http://blog.csdn.net/zouxy09/article/category/1218766Sphinx很好很全面的资料,工具使用、API编程等
http://zuoshu.iteye.com/blog/1463867  ( 修改Demo的 语言/ 声学 模型, 英文识别)
http://www.cnblogs.com/yin52133/archive/2012/07/12/2588201.html#2525875  ( 中文识别解决方案)