维基百科

草稿:CMU Sphinx

Sphinx4
编程语言Java
操作系统Cross-platform
类型Image library
许可协议BSD-style[1]
网站cmusphinx.github.io/wiki/
Pocketsphinx
编程语言C
操作系统Cross-platform
类型Image library
许可协议BSD-style
网站cmusphinx.github.io/wiki/

CMU Sphinx，简称 Sphinx，是卡内基梅隆大学开发的一组语音识别系统的总称。这些系统包括一系列的语音识别器（Sphinx 2 - 4）和一个声学模型训练器（SphinxTrain）。

在2000年，卡内基梅隆大学的 Sphinx 小组开源了几个语音识别组件，包括 Sphinx 2，并在2001年开源了 Sphinx 3。这些语音解码器附带数个声学模型以及应用程序，可用的资源也包括声学模型训练软件、语言模型编译软件和一个 公有的的发音词典 cmudict。

Sphinx 包括若干软件系统，具体描述如下。

Sphinx

编辑

Sphinx 是一个连续语音、说话人独立的识别系统，使用隐藏式马可夫声学模型(HMMS)和 N-gram。该系统由李开复开发。Sphinx 的特色是能够分辨具有连续语音、识别说话者大词汇量的可行性，而在当时（1986 年），这种可能性还存在争议。Sphinx 现在仅具有历史意义，因为其性能已被后续版本所超越。一篇存档文章[2] 详细描述了这个系统。


Sphinx 2

编辑

一个以性能与速度为导向的识别器，最初由黄学东在卡内基梅隆大学开发，并于2000年由Kevin Lenzo在LinuxWorld上以BSD风格许可证在SourceForge上发布为开源软件。Sphinx 2专注于适合语音应用的实时识别。因此，它包含了端点检测、部分假设生成、动态语言模型切换等功能。它被用于对话系统和语言学习系统中，也可以用于基于计算机的PBX系统，如Asterisk。Sphinx 2的代码也被整合到许多商业产品中。目前它已不再积极开发（除例行维护外）。目前的实时解码器开发正在Pocket Sphinx项目中进行。一篇存档文章 详细描述了这个系统。


Sphinx 3

编辑

Sphinx 2 使用半连续表示法进行声学建模（即，所有模型使用同一组高斯分布，个别模型以这些高斯分布上的权重向量表示）。Sphinx 3 采用了流行的连续隐马尔可夫模型（HMM）表示法，主要用于高精度、非实时的识别。最近的算法和硬件发展使得 Sphinx 3 能力接近实时传输，尽管尚不适合关键的互动应用。Sphinx 3 正在积极开发中，并且与 SphinxTrain 一起提供了多种现代建模技术，如 LDA/MLLT、MLLR 和 VTLN，这些技术提高了识别精度（有关这些技术的描述，请参见语音识别文章）。


Sphinx 4

编辑

Sphinx 4 是对 Sphinx 引擎的全面重写，目的是提供一个更加灵活的框架以便进行语音识别研究，完全使用 Java 编程语言编写。Sun Microsystems 支持了 Sphinx 4 的开发，并为该项目贡献了软件工程专业知识。参与者包括来自 MERL、MIT 和 CMU 的个人。（目前支持的编程语言有 C、C++、C#、Python、Ruby、Java 和 JavaScript。）



PocketSphinx

编辑

PocketSphinx 是 Sphinx 的一个版本，可以用于嵌入式系统（例如，基于 ARM 处理器）。PocketSphinx 正在积极开发中，并且包含了固定点运算和高效的 GMM 计算算法等特性。


See also

编辑
  • Speech recognition software for Linux
  • List of speech recognition software
  • Project LISTEN

References

编辑
  1. ^ http://www.speech.cs.cmu.edu/sphinx
编辑

Category:自由软件文化和文件 Category:语音技术 Category:语音处理

检索自“https://zh.wikipedia.org/w/index.php?title=Draft:CMU_Sphinx&oldid=82790291”