Linux 使用 pocketsphinx 做中文语音识别

前一篇博客说了一下怎么在 Windows 平台使用 pocketsphinx 做中文语音识别，今天看看在 Linux 上怎办实现。

由于 pocketsphinx 没有提供 Linux 的二进制包，因此我们需要自己根据源码编译。

下载

从下面地址下载源代码

https://sourceforge.net/projects/cmusphinx/files/

这里，我使用的是 sphinxbase-5prealpha.tar.gz 和 pocketsphinx-5prealpha.tar.gz。

编译

• 编译 sphinxbase

  tar zxvf sphinxbase-5prealpha.tar.gz
  mv sphinxbase-5prealpha sphinxbase
  cd sphinxbase
  ./configure
  make
  sudo make install
  

• 编译 pocketsphinx

  tar zxvf pocketsphinx-5prealpha.tar.gz
  cd pocketsphinx-5prealpha
  ./configure
  make clean all
  sudo make install
  

下载模型文件

模型文件下载地址

https://sourceforge.net/projects/cmusphinx/files/Acoustic and Language Models/
其中 Mandarin 为中文普通话，下载之后我们可以看到

• 声学模型：zh_broadcastnews_16k_ptm256_8000.tar.bz2 （需要解压）
• 语言模型：zh_broadcastnews_64000_utf8.DMP
• 拼音字典：zh_broadcastnews_utf8.dic

测试中文语音识别

• 首先准备一个中文音频文件（要求：.wav 格式，采样频率 16000HZ，单声道）
• 将下载的中文模型文件和解压后的 pocketsphinx 目录放到同一个目录下，这里假定就叫 “test”。
• 进入“test”目录，然后运行下面的命令

pocketsphinx\bin\Release\x64\pocketsphinx_continuous.exe -hmm zh_broadcastnews_ptm256_8000 -lm zh_broadcastnews_64000_utf8.DMP -dict zh_broadcastnews_utf8.dic -infile myfile-16000.wav > myfile.txt

• 运行完毕后，查看 myfile.txt 文件，内容即是程序识别出来的中文。