python语音唤醒-pocketsphinx

使用pocketsphinx模块，实现唤醒词功能。

运行环境：

win10 + Python3.6.2

安装模块包：

地址：https://pypi.org/project/pocketsphinx/

> pip install pocketsphinx
C:\Users\qpf10>pip install pocketsphinx
Collecting pocketsphinx
  Downloading https://files.pythonhosted.org/packages/52/53/30b12c3e4de918e32e73e9d635b4c9e1765512acc94ad0b51bfe960b54c9/pocketsphinx-0.1.15-cp36-cp36m-win_amd64.whl (29.1MB)
    100% |████████████████████████████████| 29.1MB 104kB/s
Installing collected packages: pocketsphinx
Successfully installed pocketsphinx-0.1.15

pypi官方简介：

Pocketsphinx是CMU Sphinx语音识别开源工具包的一部分。
这个包为使用SWIG和Setuptools创建的CMU Sphinxbase和Pocketsphinx库提供了一个python接口。

一、运行官方自带案例-LiveSpeech

原文：It's an iterator class for continuous recognition or keyword search from a microphone.
有道翻译：它是一个迭代器类，用于从麦克风连续识别或关键字搜索。

在pycharm中运行代码，完美运行。

import os
from pocketsphinx import LiveSpeech, get_model_path

model_path = get_model_path()

speech = LiveSpeech(
    verbose=False,
    sampling_rate=16000,
    buffer_size=2048,
    no_search=False,
    full_utt=False,
    hmm=os.path.join(model_path, 'en-us'),
    lm=os.path.join(model_path, 'en-us.lm.bin'),
    dic=os.path.join(model_path, 'cmudict-en-us.dict')
)
for phrase in speech:
    print("phrase:", phrase)
    print(phrase.segments(detailed=True))

运行后，我说了两句（发音不标准），一句hello，一句hello word，显示结果：感觉识别的很有问题。。。虽说不标准，但是不至于这个情况。

Allocating 32 buffers of 2500 samples each
phrase: i'm
[('', -7, 37837, 37890), ('', -6, 37891, 38010), ("i'm(2)", -913, 38011, 38064), ('[SPEECH]', -6069, 38065, 38070), ('', 0, 38071, 38078)]
phrase: hello or earth
[('', -5, 186767, 186778), ('hello', -9386, 186779, 186834), ('or', -3672, 186835, 186854), ('earth', -1192, 186855, 186904), ('', 0, 186905, 186907)]

二、运行中文语言模型内容

• 参考博客：
  https://blog.csdn.net/zouxy09/article/details/14222605

添加中文语言模型和中文声学模型

• 中文相关文件下载地址：
  https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/Mandarin/

  1. 声学模型：zh_broadcastnews_16k_ptm256_8000.tar.bz2
  2. 语言模型：zh_broadcastnews_64000_utf8.DMP
  3. 拼音字典：zh_broadcastnews_utf8.dic

• 拷贝到model文件夹下：

  将文件放到PHTHON_HOME的pocketsphinx模块包下，我这里是在C:\Python36\Lib\site-packages\pocketsphinx\model

放代码：没有变化，只是加载的目录文件变了。

import os
from pocketsphinx import LiveSpeech, get_model_path

model_path = get_model_path()

speech = LiveSpeech(
    verbose=False,
    sampling_rate=16000,
    buffer_size=2048,
    no_search=False,
    full_utt=False,
    hmm=os.path.join(model_path, 'zh/zh_broadcastnews_16k_ptm256_8000'),
    lm=os.path.join(model_path, 'zh/zh_broadcastnews_64000_utf8.DMP'),
    dic=os.path.join(model_path, 'zh/zh_broadcastnews_utf8.dic')
)
for phrase in speech:
    print("phrase:", phrase)
    print(phrase.segments(detailed=True))

运行后的结果，还是非常的不准确。虽说带点东北口音，但是识别的还是挺差的。。。说的，你好，你好吗，滚。还说了挺多其他的，都没有很好的效果，就不贴了。
运行后，半天才反应过来开始识别，不知道是什么原因，刚开始我还以为是程序监听不到语音呢。

Allocating 32 buffers of 2500 samples each
phrase: 尼 尔 奥
[('', 2, 2645708, 2645714), ('尼', -357, 2645715, 2645771), ('尔(2)', -2, 2645772, 2645811), ('奥', -42088, 2645812, 2645853), ('', 0, 2645854, 2645857)]
phrase: 尼 尔 欧盟
[('', -2, 2828757, 2828765), ('尼', -11911, 2828766, 2828782), ('尔(2)', -2519, 2828783, 2828837), ('欧盟', 0, 2828838, 2828868), ('', 0, 2828869, 2828872)]
phrase: 不同
[('', 1, 3023056, 3023061), ('不同', -18424, 3023062, 3023128), ('', 0, 3023129, 3023133)]

还会出现如下这种空的情况- -！：
phrase: 
[('', -4, 6295811, 6295819), ('++incomplete++', 0, 6295820, 6295973), ('', 0, 6295974, 6296015)]

三、运行自定义的中文语言模型内容

这里有个前提：我只把pocketsphinx当做唤醒词来使用。

具体操作步骤

1. 编辑一个自定义的keyword.txt文本，里面写入打算唤醒的中文词语，和发音可能混淆的词（如果拼音相同只记录一个就行）。再添加一些其他的乱七八糟的词，这样匹配的时候就不会一直匹配唤醒词了。（唤醒词的重点）

   以小贝为例，则keyword.txt中的内容如下：
   小贝
   小魏
   巧倍
   啊
   呵呵
   哈哈
   么么哒

2. 在[http://www.speech.cs.cmu.edu/tools/lmtool-new.html] 上面训练上一步的keyword文本。会生成“随机数.lm”和“随机数.dic”，下载这两个文件就可以。用来替代语言模型和拼音字典。

   如：
   1234.lm
   1234.dic

3. 编辑下载的随机数.dic文件，对照着zh_broadcastnews_utf8.dic的拼音字典，更改成与其同样格式的内容。原字典中不一定会有相同的词语，有的话，就按照原先的写，没有的话，就按照单个发音的写上就可以。

   例如：
   小贝 x i ao b ei
   小魏 x i ao w ei
   巧倍 q i ao b ei
   啊 a as
   .
   .
   .

4. 在代码中，替换掉对应的lm和dic路径。

import os
from pocketsphinx import LiveSpeech, get_model_path

model_path = get_model_path()

speech = LiveSpeech(
    verbose=False,
    sampling_rate=16000,
    buffer_size=2048,
    no_search=False,
    full_utt=False,
    hmm=os.path.join(model_path, 'zh/zh_broadcastnews_16k_ptm256_8000'),
    lm=os.path.join(model_path, 'zh/1234.lm'),  # 这个目录位置自己设置
    dic=os.path.join(model_path, 'zh/1234.dic')  # 同上
)
for phrase in speech:
    print("phrase:", phrase)
    print(phrase.segments(detailed=True))
    # 只要命中上述关键词的内容，都算对
    if str(phrase) in ["小贝", "小魏", "巧倍"]:
    print("正确识别唤醒词")

转载于:https://blog.51cto.com/feature09/2300352