speech-recognition - pocketsphinx - 如何从关键字识别切换到语法模式

Question

我正在使用 pocketsphinx 和树莓派来实现家庭自动化。我用支持的命令编写了一个简单的 JSGF 语法文件。现在，我想在命令之前使用激活短语，例如“嘿计算机”，以避免错误检测，并且仅在说出激活短语后才执行语音识别。

如果我没有理解错的话，pocketsphinx 支持两种语音识别模式:关键字识别模式和语言模型/JSGF 语法模式。

在 pocketsphinx FAQ在解决如何拒绝不合语法的单词的问题时，它说:

If you want to recognize several commands, you can use keyword spotting mode or keyword activation mode combined with the switch to grammar to perform actual operation.

我的问题是，从关键字识别模式到语法模式的“切换”到底是如何实现的？ (我应该做什么来实现它？)。与此相关，“关键字发现模式”和“关键字激活模式”有什么区别？

谢谢!

Answer 1

引用自 tutorial :

开发者可以配置多个具有不同语法和语言模型的“搜索”对象，并在运行时切换它们，为用户提供交互体验。

有不同的可能的搜索模式:

• 关键字 - 有效地查找关键短语并忽略其他语音。允许配置检测阈值
• 语法 - 识别语音根据 JSGF 语法。与关键词语法不同，搜索不会忽略语法中不存在的单词，但尝试识别它们。
• ngram/lm - 使用语言模型识别自然语音。
• allphone - 使用语音语言模型识别音素。

每个搜索都有一个名称，并且可以通过名称引用，名称是特定于应用程序的。函数 ps_set_search 允许激活之前按名称添加的搜索。

要添加搜索，需要指向描述搜索的语法/语言模型。语法的位置特定于应用程序。如果只需要简单的识别，则添加单个搜索或仅使用配置选项配置所需的模式就足够了。

搜索的具体设计取决于您的应用程序。例如，您可能希望首先监听激活关键字，一旦识别出关键字，就切换到 ngram 搜索以识别实际命令。一旦您识别出该命令，您可以切换到语法搜索以识别确认，然后切换回关键字监听模式以等待另一个命令。

Python 中切换搜索的代码如下所示:

# Init decoder
config = Decoder.default_config()
config.set_string('-hmm', path.join(MODELDIR, 'en-us/en-us'))
config.set_string('-dict', path.join(MODELDIR, 'en-us/cmudict-en-us.dict'))
decoder = Decoder(config)

# Add searches
decoder.set_kws('keyword', 'keyword.list')
decoder.set_lm_file('lm', 'query.lm')
decoder.set_search('keyword')

import pyaudio
p = pyaudio.PyAudio()
stream = p.open(format=pyaudio.paInt16, channels=1, rate=16000, input=True, frames_per_buffer=1024)
stream.start_stream()

in_speech_bf = False
decoder.start_utt()
while True:
    buf = stream.read(1024)
    if buf:
        decoder.process_raw(buf, False, False)
        if decoder.get_in_speech() != in_speech_bf:
            in_speech_bf = decoder.get_in_speech()
            if not in_speech_bf:
                decoder.end_utt()

                # Print hypothesis and switch search to another mode
                print 'Result:', decoder.hyp().hypstr

                if decoder.get_search() == 'keyword':
                     decoder.set_search('lm')
                else:
                     decoder.set_search('keyword')

                decoder.start_utt()
    else:
        break
decoder.end_utt()