speech-recognition - pocketsphinx 之前的降噪降低了识别准确率

Question

我正在尝试提高 pocketsphinx 在嘈杂环境中的识别准确率。但是，用户可能会在可变环境中使用该应用程序。因此，噪声训练不是我想做的事情。

我的问题是，在将语音信号输入 pocketsphinx 之前进行降噪是否一定会降低识别准确度？

如果是，降噪后需要保留语音的哪些特征？目前我观察到，如果我使用降噪，WER 从 ~40%(自由格式语言)上升到 ~60%。

补充一下，降噪后语音确实听起来更好。

Pocketsphinx argfile:

-lm   lm_giga_64k_vp_3gram.DMP
-dict lm_giga_64k_vp.sphinx.dic 
-hmm  voxforge_en_sphinx.cd_cont_5000

这里的想法是展示启用降噪功能后语音识别准确度的提高，直观上这应该是理想情况下发生的，除非降噪算法完全弄乱了信号的频谱内容。

如有任何帮助，我们将不胜感激。

Answer 1

Currently I observe that the WER goes up from ~40%(free form language) to ~60% if I use noise reduction.

这些利率非常低，因为:

1)你使用的是过时的模型

2) 您正在使用没有降噪功能的过时的 pocketsphinx。

外部降噪通常会降低语音识别的准确性，幸运的是最新的 pocketsphinx 有自己的降噪模块，这使得它对噪音非常稳健。你只需要更新。要获得最佳结果，您需要:

1) 从 http://github.com/cmusphinx 下载并使用最新的 sphinxbase 和 pocketsphinx

2) 下载最新的声学和语言模型:

http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/US%20English%20Generic%20Acoustic%20Model/en-us.tar.gz/download

http://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/US%20English%20Generic%20Language%20Model/cmusphinx-5.0-en-us.lm.dmp/download

这样您就可以设置适当的基线。要试验打开和关闭降噪，您可以使用命令行配置选项:

-remove_noise yes/no

有关如何降低准确性(包括噪声鲁棒性)的进一步建议，您最好提供要识别的音频的测试样本。详情见:

http://cmusphinx.sourceforge.net/wiki/faq#qwhy_my_accuracy_is_poor