Sphinx应用程序编写

Pocketsphinx API 核心理念

Pocketsphinx API 被设计是为了减轻编写语音识别功能应用程序。

由于使用抽象类，所以在源代码和二进制文件兼容方面，更能保持稳定。
因为它完全可重入，所以在同一进程中拥有多个编码器也不会出现问题。
在运行时，新的语言模型的接口（在sphinxbase）支持线性多模型插值。
它能大幅度减少代码量而且能明显减少内存消耗。

基本用法（hello world）

你需要知道几个关键的点如何使用应用程序接口(API)：

命令行通过外部<cmd_ln.h>来解析；
一切都需要一个ps_decoder_t*作为第一个参数。

为了说明新的接口，我们将通过一个简单的“hello world”的例子。这个例子为unix源文件和汇编程序。我们将创建一个叫hello_ps.c的C源文件。我们使用如下命令来编译：

gcc -o hello_ps hello_ps.c \

-DMODELDIR=\"`pkg-config --variable=modeldir pocketsphinx`\"

`pkg-config --cflags --libs pocketsphinx sphinxbase`

请注意，编译错误在这里意味着你没有仔细阅读教程和不遵循上述安装指南。例如pocketsphinx需要通过pkg-config系统来正确安装。为了检查pocketsphinx正确安装与否，只要在命令行运行 pkg-config --cflags --libs pocketsphinx sphinxbase 就可以从输出结果看出。

-I/usr/local/include/sphinxbase -I/usr/local/include/pocketsphinx

-L/usr/local/lib -lpocketsphinx -lsphinxbase –lsphinxad

pkg-config --variable=modeldir pocketsphinx

显示结果输出：/usr/local/share/pocketsphinx/model

补充：gcc -o recog recog.c \-DMODELDIR=\"/usr/local/share/pocketsphinx/model\" -I/usr/local/include/sphinxbase -I/usr/local/include/pocketsphinx -L/usr/local/lib -lpocketsphinx -lsphinxbase -lsphinxad

初始化

首先我们需要做的是创建一个配置对象，由于某种原因叫作cmd_ln_t。我们将按如下程序这样做：

#include <pocketsphinx.h>

int main(int argc, char *argv[])

{

ps_decoder_t *ps;

cmd_ln_t *config;

config = cmd_ln_init(NULL, ps_args(), TRUE,

"-hmm",MODELDIR "/hmm/en_US/ hub4wsj_sc_8k",

"-lm", MODELDIR "/lm/en/turtle.DMP",

"-dict", MODELDIR "/lm/en/turtle.dic",

NULL);

if (config == NULL)

return 1;

return 0;

}

该cmd_ln_init()功能采用可变数目的空结束NULL的字符串参数。第一个参数是之前要更新的cmd_ln_t *。第二参数是一个数组参数定义—通过调用ps_args()来进行设置。第三个参数是一个标志，告诉参数解析器将是“严格”的—如果这是真的，然后重复的参数或未知参数会导致解析失败。

该MODELDIR宏定义是在GCC命令行中使用pkg-config从PocketSphinx配置中获得modeldir变量。在windows系统中，你可以简单的增加一个预处理宏定义到代码中，像这样：

#define MODELDIR "c:/sphinx/model"

（无论你的模型安装在哪个目录下），现在，为了初始化解码器，使用ps_init如下:

ps = ps_init(config);

if (ps == NULL)

return 1;

解码文件流

现在现场音频输入受到一些特定平台的影响，这将限制我们自已去解码音频文件。“turtle”语言模式识别的一个非常简单的“robot control”语言，其中包括一些诸如“go forward ten meters”的短语。事实上，一个音频文件包含在PocketSphinx源代码的句子中。你可以在test/data/goforward.raw中找到。把它复制到当前目录。如果你想创建自己的版本，需要一个单声道，小端，无头16-bit PCM有符号，采样率为16KHZ的音频文件。

为了这样做，首先我们打开文件：

FILE *fh;

fh = fopen("goforward.raw", "rb");

if (fh == NULL) {

perror("Failed to open goforward.raw");

return 1;

}

然后使用ps_decode_raw()进行解码：

rv = ps_decode_raw(ps, fh, "goforward", -1);

if (rv < 0)

return 1;

现在，为了假设，我们可以使用ps_get_hyp():

char const *hyp, *uttid;

int rv;

int32 score;

hyp = ps_get_hyp(ps, &score, &uttid);

if (hyp == NULL)

return 1;

printf("Recognized: %s\n", hyp);

从内存中解码音频数据

现在我们将再次解码相同的文件，但是使用API从内存块中解码音频数据。在这种情况下，首先我们需要使用ps_start_utt()开始说话：

fseek(fh, 0, SEEK_SET);

rv = ps_start_utt(ps, "goforward");

if (rv < 0)

return 1;

我们将每次从文件中读取512大小的样本，使用ps_process_raw()把它们放到解码器中:

int16 buf[512];

while (!feof(fh)) {

size_t nsamp;

nsamp = fread(buf, 2, 512, fh);

rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);

}

然后我们需要使用ps_end_utt()去标记说话的结尾处：

rv = ps_end_utt(ps);

if (rv < 0)

return 1;

以相同精确的方式运行来检索假设的字符串：

hyp = ps_get_hyp(ps, &score, &uttid);

if (hyp == NULL)

return 1;

printf("Recognized: %s\n", hyp);

清理

使用ps_free()对对象进行清理，返回使用ps_init()。你不应该释放配置对象。

代码清单

 1 #include <pocketsphinx.h>
 2 
 3 int main(int argc, char *argv[])
 4 {
 5     ps_decoder_t *ps;
 6     cmd_ln_t *config;
 7     FILE *fh;
 8     char const *hyp, *uttid;
 9         int16 buf[512];
10     int rv;
11     int32 score;
12 
13     config = cmd_ln_init(NULL, ps_args(), TRUE,
14                  "-hmm", MODELDIR "/hmm/en_US/hub4wsj_sc_8k",
15                  "-lm", MODELDIR "/lm/en/turtle.DMP",
16                  "-dict", MODELDIR "/lm/en/turtle.dic",
17                  NULL);
18     if (config == NULL)
19         return 1;
20     ps = ps_init(config);
21     if (ps == NULL)
22         return 1;
23 
24     fh = fopen("goforward.raw", "rb");
25     if (fh == NULL) {
26         perror("Failed to open goforward.raw");
27         return 1;
28     }
29 
30     rv = ps_decode_raw(ps, fh, "goforward", -1);
31     if (rv < 0)
32         return 1;
33     hyp = ps_get_hyp(ps, &score, &uttid);
34     if (hyp == NULL)
35         return 1;
36     printf("Recognized: %s\n", hyp);
37 
38         fseek(fh, 0, SEEK_SET);
39         rv = ps_start_utt(ps, "goforward");
40     if (rv < 0)
41         return 1;
42         while (!feof(fh)) {
43             size_t nsamp;
44             nsamp = fread(buf, 2, 512, fh);
45             rv = ps_process_raw(ps, buf, nsamp, FALSE, FALSE);
46         }
47         rv = ps_end_utt(ps);
48     if (rv < 0)
49         return 1;
50     hyp = ps_get_hyp(ps, &score, &uttid);
51     if (hyp == NULL)
52         return 1;
53     printf("Recognized: %s\n", hyp);
54 
55     fclose(fh);
56         ps_free(ps);
57     return 0;
58 }

高级用法

对于使用更复杂的老API，有一些明显的不同地点：

得到部分和全部假设不再有单独的功能；
词语切分是通过访问迭代器而不是返回的数组或列表；
语言模型的转换是通过外部（<ngram_model.h>）。

首先这些都是简单的。在这之前，你必须使用uttproc_partial_result()得到部分结果(例如在uttproc_end_utt()前)，使用uttproc_result()得到全部结果。现在，ps_get_hyp()能工作在两种方式下。

对于字的分割，API提供了一个遍历所有字序列的迭代器对象。这个迭代器对象是一个抽象类，这个抽象类为一些访问器提供获取每个字的时间点，分数和（最有趣的）后验概率。

最后，语言模型切换是完全不同的。解码器总是与一个语言模型集对象联系在一起。切换语言模型是通过以下：

得到一个句柄然后给语言模型集对象：ps_get_lmset()
选择一个新的语言模型：ngram_model_set_select()
告诉解码器语言模型集已更新：ps_update_lmset()

翻译于2011年9月21日

参考官网:http://cmusphinx.sourceforge.net/wiki/tuturialpocketsphinx

来源：https://www.cnblogs.com/huanghuang/archive/2012/08/08/2627747.html

标签

sphinx