Cmusphinx spanisches Modell inkohärente Transkription

Question

Ich habe pocketsphinx in meinem Laptop (Linux Mint 17) installiert mit dem Ziel, eine WAV-Audiodatei in Text zu transkribieren. Die Audios sind auf Spanisch, also habe ich die Voxforge 0,2 spanische Modell von seiner Website und kopieren kleistert adaptierte den folgenden Code heruntergeladen

#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; 
} 

Das Problem ist, dass eine WAV mono 16Khz Datei Ausbeuten seltsame Ergebnisse. Was ich wissen will, ist, wenn ich das Modell oder zum Abstimmen eines bestimmte Parameter ...

Zum Beispiel neu erstellen muß, unter Berücksichtigung den folgenden Text:

"Hola soy ingeniero informático"

I konvertiert es in eine 16KHz/16bit/Mono WAV-Datei.

meinen Code Rennen, gibt es diese Ausgabe:

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

Wie Sie es ganz anders sehen kann vom Original. Nur die Wörter "hola" und "cola" sind in der Aussprache ähnlich (aber absolut unterschiedliche Bedeutung).

Auch mit pocketsphinx_continuous, sind die Ergebnisse sehr schlecht (es unterscheidet sich nur in einem Wort):

> 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" 

Vielen Dank für Ihre Beratung.

Answer 1

Das Modell voxforge_es_sphinx.transcription.test.lm, das Sie verwenden, hat "test" im Namen, es dient nur zu Testzwecken. Sie können das erweiterte Modell es-20k.lm.gz auf unserer Website here herunterladen.

Insgesamt ist unser spanisches Modell ziemlich einfach und nicht sehr genau, wenn Sie eine ernsthafte Transkription benötigen, müssen Sie sich viel Mühe geben, es zu erweitern.