CMUSphinx德国命令和控制应用程序，准确性差

Question

我正在尝试使用CMUSphinx和Java实现德语命令和控制应用程序。到目前为止，应用程序应该只识别几个单词（数字从1到9，是/否）。

不幸的是，准确性非常糟糕。看来，如果一个单词被正确识别，那只是偶然的。

这是我到目前为止的java代码（改编自教程）：

public static void main(String[] args) throws IOException {

    // Configuration Object
    Configuration configuration = new Configuration();

    // Set path to the acoustic model.
    configuration.setAcousticModelPath("resource:/cmusphinx-de-voxforge-5.2");

    // Set path to the dictionary.
    configuration.setDictionaryPath("resource:/cmusphinx-voxforge-de.dic");

    // use grammar
    configuration.setGrammarPath("resource:/");
    configuration.setGrammarName("dialog");
    configuration.setUseGrammar(true);

    LiveSpeechRecognizer recognizer = new LiveSpeechRecognizer(configuration);

    recognizer.startRecognition(true);
    SpeechResult result;
    while ((result = recognizer.getResult()) != null) {
        System.out.format("Hypothesis: %s\n", result.getHypothesis());
    }
    recognizer.stopRecognition();
}

这是我的语法文件：

#JSGF V1.0;

grammar dialog;

public <digit> = 1 | 2 | 3 | 4 |5 | 6 | 7 | 8 | 9 | ja | nein; 

我从这里下载了德语声学模型和字典：https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/German/

有什么明显的东西我在这里不见了吗？问题出在哪儿？

在此先感谢您的亲切问候。

Answer 1

好吧，准确性不是很好，可能原始数据库没有像你这样的很多例子。部分你的方言也有所贡献，德国人用z表示7，而不是s。您房间的部分回声也有所贡献。我不确定你是如何录制你的音频的，如果你之间使用了一些压缩或编解码器，它可能也会导致精确度不佳。

您可能希望收集几百个样本并执行MAP自适应以提高准确性。

Answer 2

我试图使用带有英语和德语模型的pocketsphinx，当它带有预定义/有限的短语集时，准确性也很好！你可以忘记一般的事情，比如“你能不能在市中心找到我的餐馆”。

使用pocketsphinx实现良好的准确性：

• 检查您的麦克风，音频设备，文件和所有内容均为16 kHz，同时使用此类声学示例训练一般模型。
• 您应该创建自己的有限字典，不能使用cmusphinx-voxforge-de.dic，同时精确度会大大降低。
• 您应该创建自己的语言模型。
• 您可以尝试修改发音文件以适合您的口音。

您可以搜索Jasper project on GitLab以了解它是如何实现的。或者你可以使用检查documentation