api - 演讲中的关键词发现

Question

关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。












想改善这个问题吗？更新问题，使其成为 on-topic对于堆栈溢出。

5年前关闭。




Improve this question




有没有人知道免费提供的关键字发现系统，并且可能提供 API？

CMU Sphinx 4 和 MS Speech API 是语音识别引擎，不能用于 KWS。

SRI有一个关键字发现系统，但没有下载链接，甚至没有用于评估。 (我什至在任何地方都找不到可以联系他们获取软件的链接)

我找到了一个 here但它是一个演示并且有限。

Answer 1

CMUSphinx 在 Pocketsphinx 引擎中实现了关键字定位，详见 FAQ entry.

要识别单个关键短语，您可以在“关键短语搜索”模式下运行解码器。

从命令行尝试:

pocketsphinx_continuous -infile file.wav -keyphrase “oh mighty computer” -kws_threshold 1e-20

从代码:

 ps_set_keyphrase(ps, "keyphrase_search", "oh mighty computer");
 ps_set_search(ps, "keyphrase_search);
 ps_start_utt();
 /* process data */

您还可以在我们的资源中找到 Python 和 Android/Java 的示例。 Python 代码如下所示，完整示例 here :

# Process audio chunk by chunk. On keyphrase detected perform action and restart search
decoder = Decoder(config)
decoder.start_utt()
while True:
    buf = stream.read(1024)
    if buf:
         decoder.process_raw(buf, False, False)
    else:
         break
    if decoder.hyp() != None:
        print ([(seg.word, seg.prob, seg.start_frame, seg.end_frame) for seg in decoder.seg()])
        print ("Detected keyphrase, restarting search")
        decoder.end_utt()
        decoder.start_utt()

必须针对测试数据上的每个关键短语调整阈值，以获得正确的平衡漏检和误报。您可以尝试使用 1e-5 到 1e-50 之类的值。

为了获得最佳准确性，最好使用 3-4 个音节的关键短语。太短的短语很容易混淆。

您还可以搜索多个关键短语，创建一个文件 keyphrase.list，如下所示:

  oh mighty computer /1e-40/
  hello world /1e-30/
  other_phrase /other_phrase_threshold/

并在带有 -kws 配置选项的解码器中使用它。

  pocketsphinx_continuous -inmic yes -kws keyphrase_list

此功能尚未在 sphinx4 解码器中实现。