Speech recognition 语言模型与狮身人面像4

我是斯芬克斯的新手，我正在尝试编写一个程序，该程序将识别音频文件中只包含一个单字的单词，然后对可信度进行评分。对于这样一个项目，语言模型似乎没有必要，因为我只是想识别一个单词，但斯芬克斯似乎需要一个语言模型来做任何事情。这是可能的吗？

不幸的是，Sphinx（以及任何其他ASR系统）需要一个语言模型来做任何事情。原因是语言模型用于语音维特比解码，需要为许多文本可能性分配分数

我假设您正在使用的音频文件可以包含一组可能的单词中的一个（因为我不确定如果音频文件都包含相同的单词会有什么意义…）。在这种情况下，您可以使用语法而不是统计语言模型。一般来说，语法对于词汇量小的任务很有效

要获取置信度值，请参阅类ConfidenceScorer的文档，该类可以对识别器的结果进行评分

如果音频文件可能是许多未知单词中的一个，而您只想识别您关心的单个单词（即，您不知道音频文件中还会有哪些其他单词，或者它的集合足够大，您不想指定语法中的所有单词），那么您将面临一个相当困难的任务。老实说，我在语音识别领域工作过，我不完全确定人们会怎么做。。您可以尝试指定一组其他具有不同语音特征的单词（即，不同的音节长度、不同的声音类型），也许它可以正常工作。如果是这种情况，让我知道，我可以想出一些其他潜在的解决方案，但我猜你的任务是从一个小集合中识别一个单词