智能小车制作过程全纪录： 五、软件平台— Sphinx语音识别详解架构师

目前国内语音识别主要是使用科大讯飞的在线语音识别，而且准确度也非常高，这主要得益于其强大的语音库，甚至方言也可以识别。但有很多时候需要离线的环境，这就需要离线识别，另外本人在这个平台上使用开源的技术，所以这里使用Sphinx4语音识别平台

1.下载Sphinx4开发包
Sphinx有c语言，和Java版本，java版本的开发包技术Sphinx4，
下载：sphinx4-core-5prealpha-20160628.232526-10.jar ，API jar包
下载：sphinx4-data-5prealpha-20160628.232535-10.jar 因为的语音识别库
可以到 Sonatype OSS repository（https://oss.sonatype.org）下载开发包，不过访问非常慢，要有点耐性，也可以到百度盘下载https://pan.baidu.com/s/1jHD0aj0

2.将jar包添加到项目引用中

3.开发语音识别对话dialog

package com.diego.speech.sphinx4; 
 
import com.diego.camera.Neck; 
import com.diego.serialcomm.DriverCMD; 
import com.diego.serialcomm.ServoCMD; 
import com.diego.speech.freetts.FreeTTSEN; 
 
import edu.cmu.sphinx.api.Configuration; 
import edu.cmu.sphinx.api.LiveSpeechRecognizer; 
 
public class SphinxEN { 
 
    private static final String ACOUSTIC_MODEL = "resource:/edu/cmu/sphinx/models/en-us/en-us";//设定语音识别模型，使用系统的英文语音模型。 
    private static final String DICTIONARY_PATH = System.getProperty("user.dir")+"/res/9070.dic";//设定自定义语料库 
    private static final String LANGUAGE_MODEL = System.getProperty("user.dir")+"/res/9070.lm";//设定统计语言模型 
 
 
 
    private DriverCMD drivercmd; 
    private FreeTTSEN freettsen; 
    private Neck neck; 
 
 
    public SphinxEN(DriverCMD drivercmd, FreeTTSEN freettsen, Neck neck) { 
        super(); 
        this.drivercmd = drivercmd; 
        this.freettsen = freettsen; 
        this.neck = neck; 
    } 
 
 
    //////////FreeTTS 
 
 
    public void dialog() throws Exception { 
        Configuration configuration = new Configuration(); 
        configuration.setAcousticModelPath(ACOUSTIC_MODEL); 
        configuration.setDictionaryPath(DICTIONARY_PATH); 
 
        configuration.setUseGrammar(false); 
        configuration.setLanguageModelPath(LANGUAGE_MODEL); 
        LiveSpeechRecognizer lmRecognizer = new LiveSpeechRecognizer(configuration); 
 
 
        lmRecognizer.startRecognition(true); 
        System.out.println("******Start reconition");//开始识别 
        while (true) { 
            String utterance = lmRecognizer.getResult().getHypothesis(); 
            if (utterance.equals("quit")) 
                break; 
            else{ 
                System.out.println(utterance);//在控制台输出识别的语句 
                freettsen.speakEN(utterance);//使用freeTTS朗读识别的语句 
                drivercmd.mycmd(utterance);//根据识别的语句控制小车的动作 
                neck.mycmd(utterance);// 根据识别的语句控制小车摄像头的转动方向 
            } 
 
        } 
        lmRecognizer.stopRecognition(); 
 
    } 
} 

4.自定义语料库的制造，在这里我们只是控制小车
a.首先编辑一个需要识别的语句文本文件，这里的文件名为robot.txt

forward 
backward 
right 
left 
stop 
exit 
automate 
manual 
up 
down 
offside 
contrary

b.在线生成语料库，和统计语言模型
在线工具的地址如下：
http://www.speech.cs.cmu.edu/tools/lmtool-new.html


生成后下载.lm和.dic两个文件，并放到程序中设定的访问目录即可。

5.调用语音识别模块，示例代码如下

System.out.println("****** begin the sphinx dialog");        
        SphinxEN sphinx=new SphinxEN(driver,freett,neck); 
        try { 
            sphinx.dialog(); 
        } catch (Exception e) { 
            // TODO Auto-generated catch block 
            e.printStackTrace(); 
            System.exit(0); 
        }

执行如下：

可以根据语音识别控制小车的前进后退，转弯，及摄像头的转动

6.识别准确率的问题

经过测试官方的语音包应该是安静的环境下制作的标准发音语音包，所以如果是在安静的环境下，发音准确点，识别率还是挺高的，能达到80%以上的准确率，但是如果在有噪音的环境下，识别率会非常低，查找官方文档，Sphinx是针对特定环境的识别，所以如果是噪音环境，需要制作噪音环境的语音模型。但如果要制作适合各种环境的语音模型，那需要大量的模拟环境，大量的语料才可以，而且即使制作成了，那也是非常大的语料库，一般的设备根本运行不起来。
基于这样的结果Sphinx可以制作针对特定语音环境的语音识别，建立特定的语言模型

官方有大规模语音包的下载，据官方介绍识别率非常准确，但由于对内存资源要求太大，在4g内存的mac电脑上也是跑不起来的，目前还不知道需要多大的内存才能跑起来

官方也提供的中文普通话语音包的下载，目前还没有测试过