SPHINX-孤立词语音识别

sphinx 语音识别系统

Sphinx 是由美国卡内基梅隆大学开发的大词汇量、非特定人、连续英语语音识别系统。Sphinx的研究工作已经开展了30多年，从李开复等人开发的Sphinxl到现今已经发展到了Sphinx4。Sphinx系统的鲁棒性强、可扩充性很好，并且代码开源代码，使得世界各地语音研究工作者能够利用它进行语音识别的研究工作。本章主要对该系统的构成和理论基础做个详细介绍。

Sphinx 是开放源代码的语音识别软件包，它可以运行在 多种平台上。其中被广泛使用的是

Sphinx2 ，同时广泛应用于嵌入式的还有第二 代的改进版 Pocket Sphinx 。

Sphinx Train简介

本课题中使用 Sphinx Train 作为声学模型的训练工具。

Sphinx Train 代码由少量包含 很多核心功能的静态库函数组成 , 绝大多数工具是在声学模型文件上操作的。多数情况 下，这些工具只返回库函数，而不包含代码。

Sphinx Train

工具中包含四个模块：

Python模块：

Python是一种面向对象、直译式计算机程序设计语言，其语言语法特点简捷而清晰，适合完成各种高层任务，可以在所有操作系统中运行。它不仅继承

了传统编译语言的强大性和通用性，也借鉴了简单脚本和解释语言的易用性

Python模块位于根目录下的python/sphinx文件夹。

setup.py是python中的顶层文件，用以建立所有模块。所有模块文件都是用Python语言编写的。

头文件：

头文件位于include文件夹中，它是一种包含功能函数、数据接口声明的载体文件，用于保存程序的声明。

库函数：

库函数主要包含以下表7个库

4)  工具：

这个工具箱包括大多代码实现函数。在训练中最重要的是bw和norm。bw程序的功能是用前向-后向算法收集期望的状态数和状态转移数，而norm的功能是不断更新声学模型参数的最大似然值。