Digits reconnaissance avec CMU Sphinx

Question

Salut reconnaissance Experts,

J'ai beaucoup de fichiers mp3 (flux audio d'origine était samplerate 11,025 kHz) contenant des chiffres (0 - 9).

différents haut-parleurs (hommes/femmes) dire par exemple "One", "Seven", "Trois", etc. avec des pauses entre les (~ 2 à 2,5 seconde)

Je vais utiliser CMU Sphinx reconnaître le discours (application de bureau). J'ai donc quelques questions:

1. décodage MP3: Comment puis-je décode mes fichiers mp3 qui signifie que sampleRate dois-je préciser à ffmpeg (comme je sais que ce n'est pas recommandé à upsample/downsample flux). Dois-je filtrer les bruits et/ou les bandes de fréquence pendant le décodage?

2. modèles acoustiques: Si je ne suis pas upsample/sous-échantillonner le flux, comment -je trouver un modèle acoustique supportant 11025 kHz. Si je faire, quel est le meilleur modèle pour les chiffres?

3. Mode de reconnaissance: J'ai trouvé il y a deux modes pour transcrivant - clé spotting et reconnaissance. Whichmode serait mieux prendre en compte je n'ai que des chiffres (et un peu de bruit)

Merci

UPD:

Nikolay, je vous remercie pour la réponse. J'ai essayé ce que vous proposez - ça marche!

Si ça ne te dérange pas que je voudrais poser quelques qiestions supplémentaires:

1. Je trouve que l'un des modèles acoustiques voxforge est plus précis que nous-en-8khz. Est-ce que c'est bon?

2. Seuls 45% des fichiers sont reconnus corrects. Les autres 55% ont des erreurs de 20 à 90%. Ainsi ma question: Y a-t-il une possibilité d'estimer la confiance des résultats obtenus? Par exemple, je pourrais passer les fichiers, qui ne sont "sûrement" pas reconnus?

3. Si la réponse 2 est «non», que pouvez-vous suggérer pour améliorer la précision? Je sais, la question est très abstraite ...

Merci d'avance!

UPD2:

Par ailleurs, les meilleurs paramètres définis (je suis juste allé à travers les différents paramètres) est:

-remove_dc yes -remove_noise no -vad_threshold 3.4 -vad_prespeech 19 -vad_postspeech 37 -silprob 2.5 

Answer 1

décodage MP3: Comment puis-je décode mes fichiers mp3 ce qui signifie que samplerate dois-je spécifier à ffmpeg (comme je sais qu'il n'est pas recommandé de suréchantillonner/downsample flux). Dois-je filtrer les bruits et/ou les bandes de fréquence pendant le décodage?

ffmpeg -i file.mp3 -ar 8000 file.wav 

modèles acoustiques: Si je ne Suréchantillonner/sous-échantillonner le flux, comment puis-je trouver un modèle acoustique supportant 11025 kHz. Si c'est le cas, quel est le meilleur modèle pour les chiffres?

en-us-8khz est disponible dans les téléchargements, vous devez créer une grammaire chiffres comme dans tutorial et ensuite l'utiliser de la manière suivante

pocketsphinx_continuous -infile file.wav -jsgf digits.gram -hmm en-us-8khz -samprate 8000 

Mode de reconnaissance: J'ai trouvé il y a deux modes de transcription - Repérage des clés et reconnaissance. Whichmode serait mieux prendre en compte que j'ai que des chiffres (et un peu de bruit)

Mode de reconnaissance