Closed. 此问题正在寻求书籍、工具、软件库等的推荐。不满足堆栈溢出指南 /help/closed-questions 。目前不接受答案。
谁能推荐可靠的开源软件来在 wav 文件中转录英语语音?我研究过的两个主要程序是Sphinx http://cmusphinx.sourceforge.net/ and Julius http://julius.sourceforge.jp/en_index.php ,但我从来没有能够让其中任何一个工作,并且每个转录文件的文档充其量都是粗略的。
我正在 64 位 Ubuntu 10.04 上进行开发,其存储库包括 sphinx2 和 julius,以及 voxforge 的英语 julius 声学模态。我专注于转录文件,而不是直接处理麦克风中的声音,因为我已经放弃了期望这样的项目能够与 Ubuntu 的声音系统配合使用。这并不是对 Ubuntu 的打击,因为我可以使用 Audacity 完美地用麦克风录制声音,但这两个系统似乎都无法访问我的麦克风,所以我希望我可以通过读取文件来简单地配置它们。
我首先尝试了 Ubuntu 软件包 sphinx2-bin 中的 Sphinx2。尽管示例 sphinx2-demo 似乎可以转录文件,但实际上没有有关配置的文档,所以我不确定如何自定义它以从任意 wav 中读取。演示中使用的音频文件是一些未记录的“16k”格式,通过2个配置文件间接引用。有一个简短的简介将 sphinx2-demo 描述为正在运行 sphinx2-batch,但检查脚本表明它实际上是在调用 sphinx2-连续。更糟糕的是,每个脚本的 --help 文档列出了大约六打选项,并且没有提及哪些是必需的或可选的。总的来说,sphinx 文档的缺乏以及现有文档的质量很差,这让我抓狂。
接下来我尝试了 Julius,再次来自 Ubuntu 软件包,考虑到 Voxforge 的快速入门中使用的版本是 3.5,它是令人惊讶的最新版本 (4.1)。该软件包似乎包含稍微好一点的文档,甚至还有一个用 Python 编写的示例 (/usr/share/doc/julius-voxforge/examples/controlapp)。阅读示例的文档后,我尝试通过创建文件来调整它以从文件中读取filelist.txt
包含文本“hello.wav”,引用同名文件,其中包含某人说“hello”的录音。将它们放在同一目录中,我运行:
julius -input file -filelist filelist.txt -C julian.jconf
得到回应:
### read waveform input
Error: adin_file: sampling rate != 16000 (8000)
Error: adin_file: error in parsing wav header at hello.wav
Error: adin_file: failed to read speech data: "hello.wav"
0 files processed
通过为 filelist.txt 和 hello.wav 指定绝对文件名来重试会产生相同的错误。
我还尝试了示例中使用的 Julius 调用,直接从麦克风录音:
julius -input mic -C julian.jconf
我多次调用此方法,并且错误之间的响应各不相同:
Cannot read /dev/dsp
and:
STAT: AD-in thread created
<<< please speak >>>
在后一种情况下,无论我对着麦克风说什么,都不会发生。我无法判断它是否仍然无法读取麦克风,或者是否正在读取某些内容,但只是无法转录音频。
我不知道该怎么办。我遇到的错误并没有让我有太多的进展。为什么不能读取wav?为什么无法读取/dev/dsp?为什么它似乎能够读取 /dev/dsp,但没有任何反应?
还有其他人有过吗any 开源语音识别器(尤其是在 Linux 上)取得成功了吗?