从《2011 太空漫游》中的 HAL 到《星球大战》中的 C-3PO，人们长期以来一直幻想着能够与机器对话。科学家在研制计算机的过程中一直在努力开发语音识别技术。如今，经过近半个世纪的发展，几百万人经常与汽车、智能电话和客户服务呼叫中心内的计算机进行语音交互。语音广告的分析这份 IBM 广告介绍了 IBM 约克镇研究中心的语音识别项目。ShoeboxWilliam C. Dersch 的 Shoe
前面我们已经运行过HelloWorld这个Demo了，今天我们简单分析一下它的流程。1、创建ConfigurationManager对象，并传入一个xml的配置文件路径。整个Sphinx4都是采用配置文件的方式来管理对象之间的关系，有点类似Spring框架，这样做的最大好处就是灵活，如果你要改变某个对象的行为，只需修改一下配置文件即可，而不必修改源代码。ConfigurationManager c
原创
2013-07-13 11:15:54
2337阅读
根据前面的分析，语音识别调用的接口是Recognizer的recognizer方法，我们看下recognize方法：recognize只是调用了decoder的decode方法，转到decode方法：在decode方法中，先调用searchManager的startRecognition开始识别，然后在一个while循环中调用searchManager的recognize方法，recognize返
原创
2013-08-02 15:47:45
1163阅读
点赞
前面只是简单介绍了
sphinx4如何通过配置文件中的实例名称，利用反射来创建对象。对象的创建本身比较简单，但是对象属性之间的依赖关系就变得很复杂了。一个对象往往会引用到很多其他属性，而属性的类型可以是基本类型，也可以是类类型。在
sphinx4中，一个对象依赖的属性是通过<property>和<propertyList>这两个标签来实现的。我们主要介绍一下<proper
原创
2013-07-14 16:54:22
1123阅读
点赞
回顾一下sphinx4的整体架构：从上面我们看到，应用程序的输入Input（一般是录音数据），首先经过前端（FrontEnd）处理。前端处理有一序列的步骤，最后会得到声音对应的特征值，也就是所谓的Feature。然后将得到的feature传给解码器Decoder中的Scorer模块进行处理。今天我们从整体上分析一下FrontEnd的处理流程。我们还是以HelloWorld这个为例，先来看一下它的配
原创
2013-07-17 10:09:08
1566阅读
点赞
2评论
sphinx4最大的优点就是跨平台和灵活，它应用到了很多优秀的设计思想，如注解，设计模式等。下面总结一下它的特点：1、高度可配置的前端点处理2、支持孤立词，n-gram，context free语法3、支持任意unit context sizes来提高识别率4、允许使用新的搜索和裁剪算法sphinx4的架构图：从大的范围来说，可以分为3个部分：前端点，解码器和基础知识。大致的识别流程如下：1、首先
原创
2013-07-12 09:17:52
3924阅读
在sphinx4的属性管理中，PropertySheet的作用实在是太重大了，以至于不得不单独进行介绍。先来看一下PropertySheet的成员变量：// 保存了属性的注解信息private Map<String, S4PropWrapper> registeredProperties = new HashMap<String, S4PropWrapper>();// 保
原创
2013-07-16 08:54:30
1055阅读
getComponent的作用是得到依赖的其他对象信息，下面分析一下它的调用流程：1、得到组件对应的注解信息：S4PropWrapper s4PropWrapper = getProperty(name, S4Component.class)；S4Component s4Component = (S4Component) s4PropWrapper.getAnnotation()；Class<
原创
2013-07-16 09:50:20
676阅读
回顾一下，要得到一个对象，首先是创建ConfigurationManager，同时在构造方法中传入一个xml文件的路径，然后调用ConfigurationManager的lookup方法。那么sphinx4内部是如何解析xml文件的呢？首先我们看下 ConfigurationManager 带有一个String类型的构造函数// 构造函数，传入一个xml配置文件的名称，内部自行转为URL格式pub
原创
2013-07-13 11:56:38
1272阅读
随着移动互联网的飞速发展，尤其是在苹果的Siri推出之后，语音识别已经成为一个热门。虽然语音识别是一个门槛相对比较高的行业，但也不是想象中的那么难，而且现在已经有很多优秀的开源项目了。比较有名的主要是剑桥的HTK，还有就是接下来我要研究学习的CMU的sphinx。目前sphinx的最新版本是sphinx4，采用java重新编写。采用java编写的好处是跨平台，且非常的灵活，很容易替换其中的某些模块
原创
2013-07-11 20:28:30
9481阅读
前一篇我们介绍了XML文件的解析过程，解析后的数据保存在rawPropertyMap这个Map中，数据解析完后，那么是sphinx4是如何进行创建对象的呢？回顾我们的HelloWorld Demo，是通过ConfigurationManager的lookup方法来得到某个组件的：Recognizer recognizer = (Recognizer) cm.lookup("recogni
原创
2013-07-14 14:27:31
1108阅读
# Java Sphinx语音识别技术介绍与应用
语音识别技术是人工智能领域的一个重要分支，它使得计算机能够理解并处理人类的语音。Sphinx是其中一种非常流行的开源语音识别系统，它基于统计模型，能够实现高准确率的语音识别。本文将介绍如何在Java环境中使用Sphinx进行语音识别，并展示相关的代码示例。
## Sphinx简介
Sphinx是一个由CMU Sphinx Group开发的开源
原创
2024-07-23 06:41:39
158阅读
语音识别工具Sphinx4开源框架：https://cmusphinx.github.io/wiki/download/1、CMU Sphinx开源语音识别框架Sphinx4主要由三个基本模块构成：FrontEnd，Decoder，Linguist。FrontEnd接受信号的输入并且转化为特征序列。Linguist把任何类型的标准语言模型，字典的发音信息以及一些声学模型的结构信息转换为一个Sear
转载
2024-04-29 12:23:15
172阅读
创建百度应用程序创建应用您需要创建应用才可正式调用语音技术能力，应用是您调用服务的基本操作单元，您可以基于应用创建成功后获取的API Key及Secret Key，进行接口调用操作，及相关配置。示例调用百度 API语音识别 Python SDK目录结构├── README.md
├── aip //SDK目录
│ ├── __init__.py
转载
2024-09-12 11:48:27
62阅读
WAV2LETTER++: THE FASTEST OPEN-SOURCE SPEECH RECOGNITION SYSTEMVineel Pratap，Awni Hannun，徐连通，Jeff Cai，Jacob Kahn，Gabriel Synnaeve，Vitaliy Liptchinsky，Ronan Collobert Facebook人工智能研究摘要本文介绍了最快的开源深度学
转载
2024-04-04 08:00:02
180阅读
概念数据=信息+数据冗余。音频信号在时域和频域上具有相关性，也即存在数据冗余。将音频作为一个信源，音频编码的实质是减少音频中的冗余。 拟信号是可以听见的声音经过音频线或话筒的传输都是一系列的模拟信号，模拟信号是可以听见的。而数字信号就是用一堆数字记号（二进制1和0）来记录声音，而不是用物理手段来保存信号，实际上我们听不到数字信号。
CMU Sphinx语音识别引擎的Java API是一个开源的语音识别库，它能够帮助开发者将语音数据转换为文本。接下来，我将分享如何利用这个引擎的Java API来实现自己的语音识别项目。在此过程中，我们将覆盖环境准备、集成步骤、配置详解、实战应用、排错指南和生态扩展六个方面。
### 环境准备
首先，你需要一个合适的开发环境。这里推荐使用Java 8及以上版本，以及Maven进行依赖管理。确
01 语音识别技术现状1、语音成为万物互联时代人机交互关键入口，语音识别市场空间稳步提高近几年来，语音识别技术已经逐步走进了我们的生活和工作中，特别是以 AI 语音助手为代表的语音交互功能也已经得到落地，应用到各类消费级产品当中，比如，智能手机、智能汽车、智能家电以及智能家居等。用户只需要唤醒语音助手，提供相应的指令，就可以使其帮助我们完成打电话、查天气以及导航等常见的功能。根据相关咨询机构的调研
转载
2024-08-09 16:40:26
85阅读
1，语音认别技术发展过程 语音识别技术是指机器自动将人的语音的内容转成文字，又称 Automatic Speech Recognition，即ASR技术。语音识别是一门交叉的、非常复杂的学科，需要具备生理学、声学、信号处理、计算机科学、模式识别、语言学、心理学等相关学科的知识。 语音识别的研究是个漫长而且艰难的过程，它的发展可以追溯到20世纪50年代，1952年贝尔实验室首次实现Audrey英
在我们的生活中，语言是传递信息最重要的方式，它能够让人们之间互相了解。人和机器之间的交互也是相同的道理，让机器人知道人类要做什么、怎么做。交互的方式有动作、文本或语音等等，其中语音交互越来越被重视，因为随着互联网上智能硬件的普及，产生了各种互联网的入口方式，而语音是最简单、最直接的交互方式，是最通用的输入模式。在1952年，贝尔研究所研制了世界上第一个能识别10个英文数字发音的系统。1960年英国
转载
2024-03-26 09:58:42
69阅读
