Sphinx语音识别学习记录 （六）-我的目标和几个想像的方案（闲置中）

CMUSphinx系列目录

http://www.cnblogs.com/yin52133/archive/2012/06/21/2557219.html - （一）基本运行测试



http://www.cnblogs.com/yin52133/archive/2012/07/12/2587282.html - （二）自然语言处理原理研究



http://www.cnblogs.com/yin52133/archive/2012/07/12/2587419.html - （三）小范围语音英文识别



http://www.cnblogs.com/yin52133/archive/2012/07/12/2588201.html - （四）小范围语音中文识别



http://www.cnblogs.com/yin52133/archive/2012/06/22/2558806.html - （五）错误调试



http://www.cnblogs.com/yin52133/archive/2012/07/12/2588418.html - （六）我的目标和几个想像的方案（闲置中）

 

(1)一开始只是因为英文比较差，看不懂没有字幕的公开课

然后想现在语音识别发展了那么久，能不能用语音识别先做出一套简陋的英文字幕，然后再通过google翻译（PS：别鄙视我）

翻译出简陋的中文字幕。

然后我就来研究了一阵子，目前预想的流程方案是这样的

 

首先是提取语音和分割，语音提取应该可以用开源库FFMPEG，提取语音流

而且记得之前还看到过语音断句工具，再把之前的语音流断句，并把时间点存到数据库，

然后每个音频流经过我们的项目，识别出英文语句。（每段音频流，经过识别后，把识别出来的文字扔到每个时间段内就是字幕了）

 

至于怎么训练出来那么大lm和hmm，

因为lm和hmm分别需要大量的语料库和对应的音频训练，我目前的设想是

就是用大量已有原文字幕的公开课，截图音频流，做成我们所需要的音频流，然后使用这个音频流和字幕文本，训练lm和hmm

这样，训练条件里说的，大量的人说话，很长的语料库和对应的很长的音频就出来了

 

目前大体是这样构想的、不过这个项目需要大量的人力。。。一个人做不来，求有想法的人一起搞

 

(2)windows 下用来做简单操作的小工具，语音识别并执行 关闭窗口、最大化、最小化、声音提高/降低、打开我的电脑、回收站之类的操作

 

有什么想法可以联系我

我的邮箱 [email protected]

至于有什么觉得有问题的地方也可以留言讨论啊，我喜欢讨论

 

因时间和人力问题，先暂时闲置