横向对比5大开源语音识别工具包，CMU Sphinx最佳

目前开源世界里存在多种不同的语音识别工具包，它们为开发者构建应用提供了很大帮助。这些工具各有哪些优劣?数据科学公司 Silicon Valley Data Science 为我们带来了 5 种流行工具包的深度横向对比。此前，他们曾为我们带来过流行深度学习框架的对比：《从 TensorFlow 到 Theano：横向对比七大深度学习框架》。

作为深度学习研发团队的一员，我们对于循环神经网络(RNN)和其他语音识别需要用到的方法都有所涉及。在几年之前，业内***的语音识别系统还是基于语音分析的方法，包含发音、声学和语言模型。通常，这些方法包含 n-gram 语言模型，以及隐马尔科夫模型(HMM)。在此，我们以这种模型作为基准，试图对比目前流行的一些语音识别方法。迄今为止，我们很难看到有人对开源语音识别模型进行过真正对比，希望本文可以抛砖引玉，为大家带来一些帮助。

本文回顾了使用传统 HMM&n-gram 语言模型的开源语音识别工具包。对于用户而言，大多数人都会知道 Siri 或 Cortana 这样的消费产品。而对于研发工程师来说，更灵活、更具专注性的解决方案则更符合需求，很多公司都会研发自己的语音识别通路。以下是目前开源世界上出现的流行工具包，以及我们对它们的各项评价。

开源免费语音识别工具包横向对比

本次分析基于 svds 开发者的主观经验和开源社区的已有消息。上表列出了目前大部分流行的语音识别软件(但略微超出开源的范畴)。2014 年 Gaida 等人的一篇论文评估了 CMU Sphinx、Kaldi 和 HTK。其中 HTK 严格意义上来说并不是开源的，因为其代码并不能重用或作为商业用途使用。

编程语言

因为用户使用语言的情况各不相同，你可能会对特定的工具包有自己的偏好。以上工具除了 ISIP 以外都有 Python 的封装，虽然在一些情况下，Python 封装并不包括核心代码的全部功能。CMU Sphinx 也包含了其他几种编程语言，如 Java 和 C。

开发工作

在学术研究中，所有列出的项目都包含它们的来源。CMU Sphinix，显而易见，从它的名字就能看出来是卡内基梅隆大学的产物。它已经以某些形式存在了 20 年了，现在它在 Github(C (https://github.com/cmusphinx/pocketsphinx) 版本和 Java (https://github.com/cmusphinx/sphinx4) 版本)和 SourceForge (https://sourceforge.net/projects/cmusphinx/) 上都开源了，而且两个平台上都有***活动。Github 上的 Java 版本和 C 版本都只有一个贡献者，但是这并不影响此项目的历史真实性(在 SourceForge repo 上有 9 个管理人员还有很多开发者)。

Kaldi 从 2009 年的研讨会起就有它的学术根基了，现在已经在 GitHub (https://github.com/kaldi-asr/kaldi) 上开源，有 121 名贡献者。HTK 始于 1989 年的剑桥大学，已经商用一段时间了，但是现在它的版权又回到了剑桥大学并且已经不是开源软件了。它的***版本更新于 2015 年 12 月，先前发布于 2009 年。Julius (http://julius.osdn.jp/en_index.php) 起源于 1997 年，***一个主要版本发布于 2016 年 9 月，有些活跃的 Github repo 包含三个贡献者，现在已经不大可能反应真实情况了。ISIP 是***个***型的开源语音识别系统，源于密西西比州立大学。它主要发展于 1996 到 1999 年间，***版本发布于 2011 年，但是这个项目在 Github 出现前就已经不复存在了。

社区

这里我们关注一下邮件、讨论群还有开发者团体的情况。CMU Sphinx 在它的 repos 上有着在线交流论坛和积极的关注。然而，我们想知道复制 SourceForge 和 GitHub 的 repo 是否阻碍了更多的投稿。相比之下，Kaldi 不仅有着论坛和讨论群，还有一个活跃的 GitHub repo。HTK 也有讨论群但是没有开放资源库。Julius 网站上的用户论坛坏掉了，但是在日本站里可能有更多的信息。ISIP 主要用于教育目的，而且邮件清单档案现在已经不再实用。

教程和例子

CMU Sphinx 的教程非常具有可读性，易于学习，Kaldi 的文档也很全面，但似乎更难理解。不过 Kaldi 的内容覆盖了语音识别中的语音和深度学习方法。如果你缺乏语音识别的知识，HTK 的教程文档(注册用户可看)对这一领域有详尽的描述。Julius 项目聚焦于日语，***的资料就是 Japanese2 (https://www.svds.com/open-source-toolkits-speech-recognition/#fn2)，但是他们也主动地译成英文，并且也提供相关资料;这里列有一些运行语音识别的实例(https://github.com/julius-speech/dictation-kit)。ISIP 也有一些资料，但是有些难以浏览。

训练模型

即使你使用这些开源工具的***理由是训练特定的识别模型，其他语音功能也会是它们吸引人的地方。CMU Sphinx 包含英语和很多其他即开即用的模型，在该项目 GitHub 的 redme 上，我们可以很容易地找到它们。而 Kaldi 对现有模型进行解码的指令深深地隐藏在文档中，我们最终在 egs/voxforge 子目录的 repo 下发现了一个英语 VoxForge 数据集训练后的模型，而识别功能在 online-data 子目录下。其他三个软件包没有容易找到的功能，但它们至少都有适配 VoxForge 格式的简单模型，后者是一个语音识别数据和训练模型的著名众包网站。

原文：http://www.kdnuggets.com/2017/03/open-source-toolkits-speech-recognition.html

【本文是51CTO专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】

【编辑推荐】

【责任编辑：IT疯 TEL：（010）68476606】

横向对比5大开源语音识别工具包，CMU Sphinx最佳相关推荐

资源 | 横向对比5大开源语音识别工具包，CMU Sphinx最佳
选自svds 作者:Cindi Thompson 机器之心编译参与:李泽南.Smith目前开源世界里存在多种不同的语音识别工具包,它们为开发者构建应用提供了很大帮助.这些工具各有哪些优劣?数据科学公 ...
开源语音识别工具包 - CMUSphinx
开源语音识别工具包 - CMUSphinx 开源语音识别工具包语音识别简介语音的构成识别过程模型其他概念 CMU Sphinx 简介 Sphinx初体验下载编译运行开源语音识别工具包 ...
第三方Android应用市场横向对比大测评
第三方Android应用市场横向对比大测评 App Store在苹果整个商业模型中占据了不可替代的核心角色,除越狱之外,App Store是iPhone和iPad所有应用软件的唯一获取途径.同样是应用 ...
常见开源协议横向对比
文章目录 1 简介 2 常用协议简介 BSD Apache License 2.0 MIT MPL EPL LGPL GPL2.0 GPL3.0 AGPL MPL EPL No License 3 横 ...
【水文】从url横向对比大电商网站的搜索细节处理
看到Keep Walking的大电商网站导航用户体验对比一文,感觉有点意思.因为我最近的工作和搜索多少有些关系,而且被中英文分词搞得有点烦,之前我也借鉴模仿过一些网站的搜索功能,所以下面我就来横向对比 ...
可以在xmind上同时有两个大主题吗_6大IPAD常用笔记软件横向对比，总有一款适合你|品职效率实验室...
大家都知道,我们的公众号有一个品职效率实验室系列,里面发布过很多篇有关ipad学习软件的介绍文章,不过也有小伙伴向我们反馈时说:"我有了ipad(pro,air),有了apple penci ...
Facebook 开源首个全卷积语音识别工具包 wav2letter++
近日,Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++.系统基于全卷积方法进行语音识别,训练语音识别端到端神经网络的速度是其他框架的 2 ...
【玩转ElasticSearch】横向对比ElasticSearch与Sphinx
摘要: 打算写几篇ElasticSearch使用心得.第一篇,先从ElasticSearch与Sphinx的横向对比开始.横向对比是反应优点和暴露问题的好方法.我是Sphinx阵营转向ElasticS ...
搜狗又有两大开源力作！你一个也不知道？
Python实战社群 Java实战社群长按识别下方二维码,按需求添加扫码关注添加客服进Python社群▲ 扫码关注添加客服进Java社群▲ 开源最前线(ID:OpenSourceTop) 猿妹 ...

横向对比5大开源语音识别工具包，CMU Sphinx最佳

横向对比5大开源语音识别工具包，CMU Sphinx最佳相关推荐

最新文章

热门文章