Sphinx语音识别学习记录 （三）-小范围语音英文识别

CMUSphinx系列目录

那我们该如何提高准确率呢？

根据第四章的分析，我们需要建立好一点的语音模型，而好一点的语音模型需要几个句子或者几个单词组合类型做出来的

因为我们统计的概率就是连续的单词，出现的概率和，出现某个单词后接着出现另外的单词的概率

语言模型的建立和使用可以参考http://cmusphinx.sourceforge.net/wiki/tutoriallm

为了说明

我重新做了一个文本

4906.txt

open browser

open music

open note

close window

close music

然后直接用http://www.speech.cs.cmu.edu/tools/lmtool.html这个在线工具，生成lm文件和dic文件

然后声学模型使用默认的hub4wsj_sc_8k

直接用pocketsphinx_continuous调用

pocketsphinx_continuous -hmm hub4wsj_sc_8k -lm 4906.lm -dict 4906.dic

以下是测试结果

?
结果发现准确率立马提高到90%以上了。。。

而且我的一开始文本库是

open browser

open music

open note

close window

close music

然后我测试的时候想测试下效果读了下open window和close note ，他竟然都准确识别出来了

不过正常口音下准确率虽然很高，但是你如果故意拖长发音那还是会识别不准确的

比如我拖长音节将近5秒读了 opennote 结果是

000000020: CLOSE OPEN NOTE OPEN NOTE

为什么能提高这么多准确率，就是跟统计模型的识别方法有关

记得它经过运算获取到两个连续的单词的出现的概率后，再计算相对频度

而我以前傻傻测试的单个单词族，因为没有什么相对频度之类的，都是单个单词

组合读取后也没有前后关系统计数据，所以准确率就很低了，只能靠dic的发音匹配

文章出处：http://www.cnblogs.com/yin52133/本文可自行转载，但转载时记得给出原文链接