nee*_*aji 3 speech-recognition noise noise-reduction pocketsphinx-android
我正在努力提高在嘈杂环境中口袋狮身人面像的识别准确性。但是，用户可能会在可变环境中使用该应用程序。因此，噪音训练不是我想做的事情。
我的问题是，在将语音信号输入到口袋狮身人面像之前，降噪是否一定会降低识别精度？
如果是，降噪后需要保留哪些语音特征？目前我观察到，如果我使用降噪，WER 从~40%（自由形式语言）上升到~60%。
补充一点，降噪后语音听起来确实更好。
Pocketsphinx argfile:
-lm lm_giga_64k_vp_3gram.DMP
-dict lm_giga_64k_vp.sphinx.dic
-hmm voxforge_en_sphinx.cd_cont_5000
这里的想法是证明启用降噪后语音识别准确性的提高，并且直观地说，除非降噪算法完全弄乱了信号的频谱内容，否则理想情况下应该会发生这种情况。
任何帮助，将不胜感激。
目前我观察到，如果我使用降噪，WER 从~40%（自由形式语言）上升到~60%。
这些是非常糟糕的利率，因为：
1）您使用的是过时的模型
2）您使用的是过时的没有降噪的pocketsphinx。
外部降噪通常会降低语音识别的准确性，幸运的是最新的 Pocketsphinx 有自己的降噪模块，这使得它对噪声非常稳健。你只需要更新。要获得最佳结果，您需要：
1）从http://github.com/cmusphinx下载并使用最新的sphinxbase和pocketsphinx
2) 下载最新的声学和语言模型：
这将允许您设置适当的基线。要尝试打开和关闭降噪，您可以使用命令行配置选项：
-remove_noise yes/no
有关如何降低精度（包括噪声稳健性）的进一步建议，您最好提供您想要识别的音频的测试样本。详情请参阅：
http://cmusphinx.sourceforge.net/wiki/faq#qwhy_my_accuracy_is_poor
| 归档时间： |
|
| 查看次数： |
4186 次 |
| 最近记录： |