最近有个语音转文本的项目，网上有人推荐说使用sphinx，我比较熟悉Java语音，所以项目引入了sphinx4，后面在网上下载了cmusphinx-zh-cn-5.2（中文声学模型、语言模型和字典）加入到项目，按照官网的做法输入一段里面只有讲中文的音频，结果发现输出的文本识别率很低，经网上翻阅博客，有人说可以对中文声学模型做自适应以提高中文汉字识别率，于是我又按照官网给的https://cmusphinx.github.io/wiki/tutorialadapt/操作起来，结果到Accumulating observation counts这一步时，一直出现以下错误

 INFO: cmn.c(133): CMN: 59.71 16.07 -10.29 -0.39 -2.66 6.16 -8.25 -8.67 5.68 -9.06 -3.69 -4.92 -5.56 WARN: "mk_phone_list.c", line 178: Unable to lookup word '我们先来看右边的这个图' in the dictionary WARN: "next_utt_states.c", line 83: Unable to produce phonetic transcription for the utterance ' 我们先来看右边的这个图 ' WARN: "main.c", line 826: Skipped utterance ' 我们先来看右边的这个图 ' utt> 0 arctic_0001 398 0 0 utt 0.000x 0.986e upd 0.000x 0.834e fwd 0.000x 0.000e bwd 0.000x 0.000e gau 0.000x 0.000e rsts 0.000x 0.000e rstf 0.000x 0.000e rstu 0.000x 0.000e

因为我识别的是句子，所以我的自适应语料库里准备了20个句子，以及对应的20个音频，我刚开始以为出现上述错误是句子中含有标点，后面我按标点分割句子，每个句子都是独立的无标点，重新准备自适应语料库后再训练的时候还是同样的问题，我再想想是不是字典中（zh_cn.dic）缺少句子中的某个字或词，我打开字典（zh_cn.dic），发现20个句子中有些句子中的字和词完全可以在字典中找到，但20个句子均报出以上错误，这时我就纳闷了，请网上的大佬帮我指导指导，感谢。

cominglately

（采用了虚拟机）ubuntu,升级到15.10后，

1条回答

为你推荐