MajorDoMo

Значит, такс... :=)

Использую pocketsphinx.js (javascript) в web-приложении под windows.
Аккустическая модель "zero_ru" (ru_ptm), словарь с того-же архива, а файл грамматики *.jsgf:
Хотелось бы, чтоб сравнение фонем было с целым словом, а не его частью. Если я говорю слово "привет (p rr i vv je t)", мне выдает "привет", но если я говорю "вет (vv je t)", то результатом не должно быть слово "привет (p rr i vv je t)".

Может в конфигурации что-то подправить, там куча ключей, сложно в них разобраться, у вас опыта больше, надеюсь на помощь.

Даже не знал что pocketsphinx есть на js)) Вы неправильно инициализируете движок. Инициализация должна проводится следующим образом:
1. Для режима поиска ключевого слова просто нужен параметр -keyphrase, и -kws_threshold. ни языковая модель, ни грамматика не нужны.
2. Для обычного режима работы, нужно подключать словарь, акустическую модель, и либо языковую модель, либо файл грамматики.
А вы инициализируете все сразу) Плюс, используйте не ptm, а cout модели, они намного точнее как по мне, хоть ptm модели и быстрее. И настоятельно рекомендую использовать языковую модель. Даже с моделью составленной онлайн, качество намного больше чем с грамматикой. Правильнее всего составлять через srilm, бинарники под винду выкладывал sleepy.

coolermiser, насчет ключевого слова прочитал уже, исправил. Но мне надо для каждого слова в грамматике реализовать целевой поиск. Count также использовал, разницы никакой. Произношу просто "ет", а он мне слово "привет" выводит. Бывает и такое, и часто, что просто потресешь микрофоном, и распознается слово "пока", жесть!

Подозреваю что необходимо какие-то параметры в конфиге настроить. Николай что-то говорил про beam, wbeam, lbeam, wip и еще пара каких-то.

По поводу языковой модели, спс. Подключу из архива zero_ru (ru.lm). Сейчас через pocketsphinx_continuous работаю, грузиться быстрее.

Вообщем буду разбираться.

Для целевого поиска нескольких слов нужно использовать режим ключевого слова. Вы должны составить словарь, и составить файл с нужными вам словами, где они буду записаны каждое с новой строки. Подключать файл ключем -kws /speech/keyphrase_file (скопировал со своей системы)). Еще раз повторюсь, что в этом случае никакая грамматика, и языковые модели в этом случае вам не нужны) И на будущее, никогда не подключайте стандартную языковую модель) Всегда лучше составьте свою, на заданное количество слов)
upd. и словарь тоже свой составьте, если этого не сделали. Все что составлено руками - повышает точность) Если что пишите сюда, я расскажу что и как составлять.

coolermister писал(а):и словарь тоже свой составьте, если этого не сделали. Все что составлено руками - повышает точность) Если что пишите сюда, я расскажу что и как составлять.

\развесил уши, взял блокнот, записываю\

coolermister писал(а): Аудиокарта непрерывно пишет в буфер, а процессор не успевает все обрабатывать до того, как буфер начнет перезаписываться. Если у кого то есть такая ошибка есть, пишите сюда, я подскажу что надо твикнуть в убунту для того что бы она так не мешала. Сейчас мне это описывать лень, тк там довольно много оптимизаций)

Получается шансов мало, что оно заработает на малинке?

Вебмакс поделись наработками ато уже 3 недели ломлюсь туда же а кроме англицкого никак.
И заметил туже заразу по поводу неполного произношения слов.
Я не линуксоид и даже не програмист поєтому очень тяжело...

Ребята, постучусь к вам в ветку с вопросом
Реально ли сделать на Raspberry комбинацию, аналогичную софту под Android, когда ключевую фразу распознаёт PocketSphinx, пикает какой-то звук, а дальше фраза записывается и распознаётся через Google API? С учётом новости про открытый доступ к последнему, выглядит весьма заманчиво.

Приветствую Сергей) Это реально, и куда проще, чем идти моим путем, и ставить два движка сразу) Скоро, надеюсь, дойдут руки весь процесс описать здесь.
Но вот с малинкой проблема.. Скорее всего, у нее мощности не хватит.. Нужно что то мощнее, лично у меня сейчас распознавание тянет отдельная материнка, с athlon 64 x2 4600+.
Испытывал еще три разных конфигурации, все менее мощные, сыпались ошибки переполнения буфера и качество стремилось к нулю. Теперь полное оффлайн распознавание)
Единственное что, я не пробовал менять OC (у меня ubuntu server, но менял ядра, не помогло), вдруг на системе малинки не будет переполнения буфера?) Как я писал, делал и распознавание через гугл, если нужно могу элементарный скрипт на bash прислать, как раз сможете быстро разобраться как оно работает, если этим еще не занимались)
p.s. я слышал что гугл открывает api, но про речь.. что, у них больше нет ограничений по запросам в месяц?

coolermister писал(а):Как я писал, делал и распознавание через гугл, если нужно могу элементарный скрипт на bash прислать, как раз сможете быстро разобраться как оно работает, если этим еще не занимались)
p.s. я слышал что гугл открывает api, но про речь.. что, у них больше нет ограничений по запросам в месяц?

С ограничениями запросов я пока не разбирался -- возможно, для домашнего эпизодичного использования будет вполне достаточно. bash-скриптиком если поделитесь, то буду признателен ) На всякий случай более подробно распишу, чего хочу в итоге:

1. Возможность записи/настройки фразы активации. Идеально:
- Произнесите фразу активации после сигнала{блимк!}
- Проснись
- Спасибо, фраза записана

2. Типичная сессия:
- Проснись
- {блимк!}
- Выключи свет на кухне
- Ок, выключаю свет на кухне

Первый пункт опциональный, но желательный.