【sphinx】sphinx文档学习笔记

2.4 Which CMUSphinx should I use?

• 按平台来说，sphinx2可以作为嵌入式平台的选择
• 按研究来说，如果研究声学模型和快速GMM计算的研究，选sphinx3；如果研究搜索算法，选sphinx4；如果做自适应和声学模型生成，可以用sphinxtrain中的estimation（估计）模块
• 你的要求真的可行吗？  一般来说，如果没有语言学的限制，识别率会很差。影响系统的主要两个因素是：声学复杂度和语言学复杂度。
• 建立一个有1000个人名的通讯录系统，难度要超过建立一个3000个词的对话系统，因为人名有很多相似很难区分
• 为语音识别系统设计语法，可以用ngram和有限状态机。语法不能太少到不足以覆盖所有单词，会产生很多OOV单词。而如果只是盲目的增加新词也不可以。在加入新词之前，需要一些决策和基准。
• sphinx是一个基于音素的识别工具，识别的过程，就是会建立一个巨大的HMM模型，而搜索就是找到最佳的路径，给出这个hmm模型。
• 最好的词典中含有的是最适合你的用户的发音，而并非是官方发音。
• cmu官网上开源的broadcast模型，是来自于140个小时的数据训练。http://www.speech.cs.cmu.edu/sphinx/models/。其中建立语言模型用到的词条有约13w。
• Adding stress markers degrades perfromance by about 5within-word and cross-word triphone HMMs with
  no skips permitted between states. 开源的broadcast模型中，音素级未标记重音，如果标记饿了，会降低性能。状态之间不允许跳过。
• HMM模型中的元素：Sphinx’s HMM definition are spread in five different files. They are mean,
  variance, mixture weight, transition matrices and model definition.
• model definition：模型描述，在model_arch目录中。