原文:http://www.thinkface.cn/thread-893-1-1.html
今天是周末,想来想去,还是写一篇这样的博文吧。算是对语音识别这一段时间的总结,为后来的人融入铺好前面的路。这个只是工具箱的综述,不是语音识别的综述。希望您有所收获。
目前,语音识别领域公开的开源的代码或者说工具箱有:sphinx,htk,julius,kaldi。也许也有其他的吧。下面我尽量一一介绍:1.sphinx:这个是李开复的博士论文。后面不断的壮大,有了后来的版本。这个比较小,实现起来也比较简单点吧。
网址:http://cmusphinx.sourceforge.net/
网上有很多sphinx的资料:
1)最著名的当属Sphinx武林秘籍这个系列。作者很详细的说明了一切,值得你去参考和实验。
2)zouxy09博文的这个系列也很清楚的说了sphinx。
如果你想实验,基本这些资料就很全了。你可以很好的做些实验了。最近也看到调用sphinx的接口放到安卓等一些平台上,所以在我看来这个开源虽然有点老,但是我觉得还是很不错的。还是有很多东西需要人去挖掘的。
2.htk :这个虽然说是隐马尔科夫(HMM)工具箱,但是基本是为语音识别专用。与sphinx相比,htk的知名度一直很高,一直长久不衰。很多语音识别的论文的实验都是基于这个实现的。在深度学习之前,基本很多的语音识别实验都是他垄断的。
网址:http://htk.eng.cam.ac.uk/
htk的资料还是很多的,htkbook是最好的资料,虽然是英文,而且很多页。但中国人还是有才的,有人翻译了前三章,大家可以去读读。很经典的书吧,读完你基本会对语音识别过程有个简单的认识吧。当然,想入门就得做实验。前面的几个博文基本介绍了。先贴我的博文吧:
1.语音识别系统之htk------孤立词识别(yesno)
2.语音识别系统之htk-----连续语音识别
其他的资料我在上面的博文里都提到了。htk博大精深,我们后续还会继续添加资料的。
3.julius:这个是日本人弄的一个语音识别系统。我自己不是很熟悉。
网址:http://julius.sourceforge.jp/en_index.php?q=en/index.html
这个网址有很多资料,比如下载和book等等。有人写了一篇论文:基于Julius的机器人语音识别系统构建。其他的资料还是比较少。如果有时间我也愿意去把这个补全。
4.kaldi :这个我一直比较有兴趣吧。因为有深度学习的内容。最近,深度学习在语音识别上的运行已经很好了,把语音识别提高到了一个很高的标准了。
网址:http://kaldi.sourceforge.net/
中文的资料可以参加我的博文:
1.语音识别工具箱之kaldi介绍,比如一些实例,你也可以去看看我的博文了。具体的不贴链接了。
2.povey写的四篇文章。在kaldi代码里有个doc里面有。大家自己去查看下吧。这个工具箱的中文资料实在太少,我也就根据自己的实验写出了些东西。希望你们可以有所收获吧。还有自己可以去看povey的个人主页,里面有资料哦。http://www.danielpovey.com/index.html这个是主页网址。
许多使用kaldi的原因大多由于kaldi支持深度学习的dnn模型。希望kaldi能够壮大吧,如果你有数据库,在kaldi上实验是件简单的事情。因为脚本都写好了。
至此,工具箱就介绍完毕。
下面我们就介绍些目前的市场产品说说吧。
国内产品有:讯飞语点,百度助手等。
国外产品有:谷歌的google now ,苹果的siri,微软的Speech SDK 和操作系统里的语音识别。
我用过的讯飞语点,原来的不是很准,但越用越准确。感觉和推荐系统差不多吧。百度助手的确不是还好,不知道现在改进没?百度的深度学习研究院还是很好的,有余凯老师在,希望可以很好的推出自己的产品。如果明年招了我,那就好了。呵呵……希望余凯老师可以把语音产品做的更好吧……讯飞就不用说了,国内语音的领导者,关键在我大安徽,呵呵……其他的语音公司有云知声,腾讯微信的语音识别,等等其他的。科研机构有中国科技大学,清华大学,中科院的自动化研究所等等都很不错的。唯独我们学校似乎没什么进展。
国外的科技公司在语音上面都很猛的,暑假上过微软邓力老师的深度学习的课。微软的语音识别还是很不错的。谷歌的和苹果的就不用说了。我希望中文的比他们好就可以了。呵呵……
大家可以多去用用这些产品吧。多帮这些去改进自己的识别系统。
感觉写的有点多了,以上也就是我的一些认识吧。希望对你有用,欢迎和我交流和讨论。争取早日自己可以写一个语音识别的综述。加油……