0

これは奇妙に聞こえます。しかし、Sphinx4 で Android フォンに記録されたバイト データを分析したいと考えています。そして、良い結果はありません。これは私の構成の問題から来ることを知っています。Sphinx4 についての経験と同じ経験があれば、いくつかのアイデアを聞きたいです。

私の環境について説明したいと思います：

  1. 電話 (Android、Nexsus One)

    • サンプリングレート = 8000
    • audioFormat = AudioFormat.ENCODING_PCM_16BIT
    • channelConfig = AudioFormat.CHANNEL_IN_MONO

  2. スフィンクス4

    • サンプルレート = 16000
    • bigEndianData = false
    • streamDataSource の使用

そこで、音声データ(byte[])を録音し、Sphinx4で解析します。以下は、私の電話で録音された音声の例 (ワン ツー スリー) です。

-29:-1:84:0:-77:0:-88:0:-88:0:-99:0:-105:0:-82:0:-88:0:-99:0:101:0:89:0:118:0:95:0:44:0:22:0:28:0:39:0:56:0:50:0:28:0:22:0:-6:-1:-17:-1:-6:-1:-34:-1:-34:-1:-85:-1:-85:-1:-79:-1:115:-1:126:-1:-113:-1:-85:-1:-102:-1:104:-1:115:-1:121:-1:-102:-1:-113:-1:-96:-1:-57:-1:-96:-1:109:-1:104:-1:-79:-1:16:0:101:0:-105:0:-122:0:-122:0:-99:0:67:0:101:0:78:0:-6:-1:11:0:-6:-1:39:0:50:0:56:0:22:0:0:0:101:0:123:0:33:0:118:0:56:0:-40:-1:84:0:-85:-1:87:-1:76:-1:-54:-2:31:-1:31:-1:70:-1:0:0:-17:-1:-68:-1:56:0:50:0:-102:-1:-12:-1:-113:-1:-124:-1:-6:-1:11:0:106:0:101:0:50:0:-124:-1:104:-1:-102:-1:126:-1:81:-1:76:-1:-34:-1:-6:-1:44:0:-105:0:-110:0:78:0:67:0:-68:-1:-45:-1:33:0:-74:-1:-57:-1:-57:-1:33:0:28:0:39:0:-45:-1:5:0:25:1:123:0:-62:-1:-110:0:118:0:73:0:-93:0:73:0:16:0:-40:-1:-119:-1:-68:-1:101:0:61:0:-12:-1:-88:0:70:1:-48:0:-65:0:25:1:56:0:-34:-1:0:0:28:0:106:0:-127:0:-77:0:123:0:-68:-1:-29:-1:61:0:-12:-1:5:0:22:0:-79:-1:-96:-1:-102:-1:31:-1:70:-1:-96:-1:-79:-1:-107:-1:-96:-1:-51:-1:-107:-1:121:-1:-96:-1:-96:-1:104:-1:109:-1:81:-1:-79:-1:33:0:28:0:22:0:39:0:44:0:73:0:67:0:118:0:95:0:-17:-1:-17:-1:-113:-1:-57:-1:-107:-1:31:-1:98:-1:-124:-1:-29:-1:-57:-1:-79:-1:-45:-1:-62:-1:-12:-1:-85:-1:-34:-1:33:0:-51:-1:-102:-1:109:-1:-85:-1:109:-1:25:-1:115:-1:92:-1:109:-1:87:-1:25:-1:121:-1:-85:-1:92:-1:-85:-1:0:0:-6:-1:-29:-1:-119:-1:-62:-1:22:0:95:0:84:0:33:0:-122:0:-93:0:-99:0:-122:0:11:0:-40:-1:-51:-1:-79:-1:-12:-1:-23:-1:-45:-1:-34:-1:-12:-1:-34:-1:-23:-1:22:0:16:0:56:0:67:0:-34:-1:-102:-1:-113:-1:-107:-1:121:-1:-102:-1:11:0:39:0:28:0:11:0:89:0:95:0:123:0:-105:0:28:0:16:0:-45:-1:-85:-1:-6:-1:44:0

各バイトデータは「:」で区切られています。

4

1 に答える 1

0

Android で 8000 で録音する場合、sphinx4 のサンプルレートも 8000 Hz でなければなりません。また、sphinx4ディストリビューションの8khzモデルまたはその他の8khzモデルを使用する必要があり、ドキュメントに従ってフィルターバンクパラメーター（上限周波数など）を設定する必要はありません

sphinx4 での Sphinxtrain モデルの使用

適切に構成された 8khz 入力の例については、次を参照してください。sphinx4/test/performance/wsj_8khz/config.xml

または、適切な AudioRecorder パラメータを設定して、Android で 16000 Hz で録音します。これにより、デコードの精度が向上します。

于 2013-08-16T03:29:26.490 に答える