CMU Shinx、JSAPI、Google Speech APIを使用した音声認識

Question

音声認識は、私の現在のプロジェクトの多くの機能の1つで、J2EEで開発された可能性が最も高いです（選択肢が正しければ他の言語も歓迎されます）。

googleとSOのリンクのほとんどは、上記の3つのオプション、Sphinx 4、JSAPIとGoogle Speech API（Googleにサーバーコールを行い、結果をテキストとして取得する）の3つのオプションを示しています。

その他の無料のオプションは何ですか？そして、もし私がSphinx-4を使っていたら、どのようにして一般的な英語の言語モデルを使うのですか？

Answer 1

はい、あります。

1. 基本的なコード行であるGoogle音声認識機能のラッパーを使用することは可能です。スピーチオーディオをFLACまたはSPEEX形式で送信し、認識と信頼スコアを受け取ります。唯一の問題は、Google翻訳と同様にGoogleがAPIを終了できることです。
2. その他のオプションは、Sphinx（Sphinx4またはPocketsphinx）を使用することです。
3. HTK（http://htk.eng.cam.ac.uk/）を使用し、HVite（HTKデコーダ）などのJulius（http://julius.sourceforge.jp/）を使用することができます。 。音響モデルや言語や文法の訓練にHTKを使用する他のオプションもあります。

Voxforgeには、HTKとSphinx（http://voxforge.org/）の音響モデルと言語モデルがあります。

Answer 2

私がSphinx-4を使用している場合、どのようにして一般的な英語の言語モデルを使用するのですか？

CMUSphinxのWebサイトや他の場所からダウンロードできます。あなた自身で構築することもできます。可能な場所の一つは、この答えは誤解を招く

http://www.keithv.com/software/csr/