智能小车制作过程全纪录： 五、软件平台--- Sphinx语音识别

更多创客作品，请关注笔者网站园丁鸟，搜集全球极具创意，且有价值的创客作品
ROS机器人知识请关注，diegorobot
业余时间完成的一款在线统计过程分析工具SPC，及SPC知识分享网站qdo

---

目前国内语音识别主要是使用科大讯飞的在线语音识别，而且准确度也非常高，这主要得益于其强大的语音库，甚至方言也可以识别。但有很多时候需要离线的环境，这就需要离线识别，另外本人在这个平台上使用开源的技术，所以这里使用Sphinx4语音识别平台

1.下载Sphinx4开发包
Sphinx有c语言，和Java版本，java版本的开发包技术Sphinx4，
下载：sphinx4-core-5prealpha-20160628.232526-10.jar ，API jar包
下载：sphinx4-data-5prealpha-20160628.232535-10.jar 因为的语音识别库
可以到 Sonatype OSS repository（https://oss.sonatype.org）下载开发包，不过访问非常慢，要有点耐性，也可以到百度盘下载https://pan.baidu.com/s/1jHD0aj0

2.将jar包添加到项目引用中

3.开发语音识别对话dialog

package com.diego.speech.sphinx4;

import com.diego.camera.Neck;
import com.diego.serialcomm.DriverCMD;
import com.diego.serialcomm.ServoCMD;
import com.diego.speech.freetts.FreeTTSEN;

import edu.cmu.sphinx.api.Configuration;
import edu.cmu.sphinx.api.LiveSpeechRecognizer;

public class SphinxEN {
	
	private static final String ACOUSTIC_MODEL = "resource:/edu/cmu/sphinx/models/en-us/en-us";//设定语音识别模型，使用系统的英文语音模型。
	private static final String DICTIONARY_PATH = System.getProperty("user.dir")+"/res/9070.dic";//设定自定义语料库
	private static final String LANGUAGE_MODEL = System.getProperty("user.dir")+"/res/9070.lm";//设定统计语言模型
	


	private DriverCMD drivercmd;
	private FreeTTSEN freettsen;
	private Neck neck;
	
	
	public SphinxEN(DriverCMD drivercmd, FreeTTSEN freettsen, Neck neck) {
		super();
		this.drivercmd = drivercmd;
		this.freettsen = freettsen;
		this.neck = neck;
	}


	//FreeTTS
	

	public void dialog() throws Exception {
		Configuration configuration = new Configuration();
		configuration.setAcousticModelPath(ACOUSTIC_MODEL);
		configuration.setDictionaryPath(DICTIONARY_PATH);

		configuration.setUseGrammar(false);
		configuration.setLanguageModelPath(LANGUAGE_MODEL);
		LiveSpeechRecognizer lmRecognizer = new LiveSpeechRecognizer(configuration);
		
		
		lmRecognizer.startRecognition(true);
		System.out.println("******Start reconition");//开始识别
		while (true) {
			String utterance = lmRecognizer.getResult().getHypothesis();
			if (utterance.equals("quit"))
				break;
			else{
				System.out.println(utterance);//在控制台输出识别的语句
				freettsen.speakEN(utterance);//使用freeTTS朗读识别的语句
				drivercmd.mycmd(utterance);//根据识别的语句控制小车的动作
				neck.mycmd(utterance);// 根据识别的语句控制小车摄像头的转动方向
			}
				
		}
		lmRecognizer.stopRecognition();

	}
}

4.自定义语料库的制造，在这里我们只是控制小车
a.首先编辑一个需要识别的语句文本文件，这里的文件名为robot.txt

forward
backward
right
left
stop
exit
automate
manual
up
down
offside
contrary

b.在线生成语料库，和统计语言模型
在线工具的地址如下：
http://www.speech.cs.cmu.edu/tools/lmtool-new.html


生成后下载.lm和.dic两个文件，并放到程序中设定的访问目录即可。

5.调用语音识别模块，示例代码如下

System.out.println("****** begin the sphinx dialog");		
		SphinxEN sphinx=new SphinxEN(driver,freett,neck);
		try {
			sphinx.dialog();
		} catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
			System.exit(0);
		}

执行如下：

可以根据语音识别控制小车的前进后退，转弯，及摄像头的转动

6.识别准确率的问题

经过测试官方的语音包应该是安静的环境下制作的标准发音语音包，所以如果是在安静的环境下，发音准确点，识别率还是挺高的，能达到80%以上的准确率，但是如果在有噪音的环境下，识别率会非常低，查找官方文档，Sphinx是针对特定环境的识别，所以如果是噪音环境，需要制作噪音环境的语音模型。但如果要制作适合各种环境的语音模型，那需要大量的模拟环境，大量的语料才可以，而且即使制作成了，那也是非常大的语料库，一般的设备根本运行不起来。
基于这样的结果Sphinx可以制作针对特定语音环境的语音识别，建立特定的语言模型

官方有大规模语音包的下载，据官方介绍识别率非常准确，但由于对内存资源要求太大，在4g内存的mac电脑上也是跑不起来的，目前还不知道需要多大的内存才能跑起来

官方也提供的中文普通话语音包的下载，目前还没有测试过