- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
我重新访问了 CMU Sphinx最近并尝试为 Android 设置一个基本的热词检测器,从 tutorial 开始并调整 sample application .
我遇到了各种问题,尽管深入研究了他们的文档,但我一直无法解决这些问题,直到我无法阅读更多...
为了复制它们,我做了一个基本项目,旨在检测关键字wakeup you 和wakeup me .
我的字典:
me M IY
wakeup W EY K AH P
you Y UW
我的语言模型:
\data\
ngram 1=5
ngram 2=5
ngram 3=4
\1-grams:
-0.9031 </s> -0.3010
-0.9031 <s> -0.2430
-1.2041 me -0.2430
-0.9031 wakeup -0.2430
-1.2041 you -0.2430
\2-grams:
-0.3010 <s> wakeup 0.0000
-0.3010 me </s> -0.3010
-0.6021 wakeup me 0.0000
-0.6021 wakeup you 0.0000
-0.3010 you </s> -0.3010
\3-grams:
-0.6021 <s> wakeup me
-0.6021 <s> wakeup you
-0.3010 wakeup me </s>
-0.3010 wakeup you </s>
\end\
以上两个都是使用 suggested tool 创建的.
还有我的关键短语文件:
wakeup you /1e-20/
wakeup me /1e-20/
改编上面链接的示例应用程序,这是我的代码:
public class PocketSphinxActivity extends Activity implements RecognitionListener {
private static final String CLS_NAME = PocketSphinxActivity.class.getSimpleName();
private static final String HOTWORD_SEARCH = "hot_words";
private volatile SpeechRecognizer recognizer;
@Override
public void onCreate(Bundle state) {
super.onCreate(state);
setContentView(R.layout.main);
new AsyncTask<Void, Void, Exception>() {
@Override
protected Exception doInBackground(Void... params) {
Log.i(CLS_NAME, "doInBackground");
try {
final File assetsDir = new Assets(PocketSphinxActivity.this).syncAssets();
recognizer = defaultSetup()
.setAcousticModel(new File(assetsDir, "en-us-ptm"))
.setDictionary(new File(assetsDir, "basic.dic"))
.setKeywordThreshold(1e-20f)
.setBoolean("-allphone_ci", true)
.setFloat("-vad_threshold", 3.0)
.getRecognizer();
recognizer.addNgramSearch(HOTWORD_SEARCH, new File(assetsDir, "basic.lm"));
recognizer.addKeywordSearch(HOTWORD_SEARCH, new File(assetsDir, "hotwords.txt"));
recognizer.addListener(PocketSphinxActivity.this);
} catch (final IOException e) {
Log.e(CLS_NAME, "doInBackground IOException");
return e;
}
return null;
}
@Override
protected void onPostExecute(final Exception e) {
Log.i(CLS_NAME, "onPostExecute");
if (e != null) {
e.printStackTrace();
} else {
recognizer.startListening(HOTWORD_SEARCH);
}
}
}.execute();
}
@Override
public void onBeginningOfSpeech() {
Log.i(CLS_NAME, "onBeginningOfSpeech");
}
@Override
public void onPartialResult(final Hypothesis hypothesis) {
Log.i(CLS_NAME, "onPartialResult");
if (hypothesis == null)
return;
final String text = hypothesis.getHypstr();
Log.i(CLS_NAME, "onPartialResult: text: " + text);
}
@Override
public void onResult(final Hypothesis hypothesis) {
// unused
Log.i(CLS_NAME, "onResult");
}
@Override
public void onEndOfSpeech() {
// unused
Log.i(CLS_NAME, "onEndOfSpeech");
}
@Override
public void onError(final Exception e) {
Log.e(CLS_NAME, "onError");
e.printStackTrace();
}
@Override
public void onTimeout() {
Log.i(CLS_NAME, "onTimeout");
}
@Override
public void onDestroy() {
super.onDestroy();
Log.i(CLS_NAME, "onDestroy");
recognizer.cancel();
recognizer.shutdown();
}
}
注意:- 我是否应该更改我选择的关键短语(和其他相关文件)以使其更加不同并且我在安静的环境中测试实现,应用的设置和阈值工作非常成功。
问题
我无法确定如何对结束音节应用增加的权重。
我无法确定如何避免这种情况的发生。
我不能降低我正在使用的基本阈值,否则在正常情况下无法始终如一地检测到关键短语。
成功并重复检测关键短语需要一段不确定的时间——就好像测试是在安静的环境中开始的。
我找到了一个 potentially related question ,但链接不再有效。我想知道我是否应该更频繁地重置识别器,以便以某种方式重置背景噪声,使其不被平均到检测阈值?
在我的应用程序中打包时的任何开销当然都是有益的。
最后(老实说!),特别希望 @NikolayShmyrev会发现这个问题,有没有计划完全通过 gradle 包装基本的 Android 实现/sdk?
我感谢那些走到这一步的人......
最佳答案
My language model:
您不需要语言模型,因为您不使用它。
I can't lower the base thresholds I am using, otherwise the keyphrases are not detected consistently under normal conditions.
1e-20 是一个合理的阈值,您可以提供错误检测的样本记录,让我更好地了解发生了什么。
When testing against background noise for a long period (5 minutes should be sufficient to replicate), returning immediately to a quiet environment and uttering the keyphrases, results in no detection.
这是预期的行为。总的来说,长背景噪声使识别器更难快速适应音频参数。如果您的任务是在嘈杂的地方识别单词,最好使用某种硬件降噪功能,例如具有降噪功能的蓝牙耳机。
Finally, I wonder if my requirements for limited keyphrases, would allow me to reduce the size of the acoustic model?
现在不可能了。如果你只是为了发现你可以尝试 https://snowboy.kitt.ai
关于android - Pocketsphinx - 完善热词检测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39310163/
昨天发布于: MySQL: Finding most frequently occuring values in table 但想知道是否有办法改进答案,因为您不必在最后重复代码来获取MAX(COUN
在开发了一个展示基本智能的简单算法后,我渴望进行递归 self 改进,我遇到的问题是由于我对递归缺乏理解。 我明白,如果我有一些东西来评估我正在使用的算法的“适应性”以进行改进(我为算法提供其自身的二
我们使用二进制 (16) 字段来存储 IP 地址。我们这样做是因为它可以同时保存 IPv4 和 IPv6 地址,并且可以轻松地与 .Net IPAddress 类一起使用。 但是,我创建了以下 SQL
我在使用 wxPython 时遇到了一些纯粹的外观问题。例如,标签和它们所代表的控件之间的关系——一切看起来总是至少偏离目标 2-3 个像素,有时甚至更糟。在我当前正在创建的对话中,我已将文本控件的字
我正在开发一个具有 UICollectionView 的应用程序 - Collection View 的工作是显示来自网络服务的数据。 我正在尝试实现的应用程序的一个功能是使用户能够将此 UIColl
我(终于!)找到了一种在玻璃上呈现 Windows.Forms 控件的方法,它似乎没有任何重大缺点,也没有任何大的实现时间。它的灵感来自 this article来自 Coded,它基本上解释了如何
我是一名优秀的程序员,十分优秀!