Silicon Valley Data Science曾對5種流行的語音識別工具，包括開源的和非開源的，分別從編程語言、開發(fā)工作、教學案例、社區(qū)、訓練模型等進行了橫向對比。 

  開源免費語音識別工具包橫向對比

  可以看到，CMU Sphinx在各方面均具有一定的優(yōu)勢：

  關于編程語言，CMU Sphinx包含了Java、C、Python等多種語言的支持；關于開發(fā)工作，CMU Sphinx在Github上多種語言版本完全開源；

  關于社區(qū)建設，CMU Sphinx在它的repos 上有在線交流論壇和積極關注；

  關于編程和案例，CMU Sphinx的教程非常具有可讀性，易于學習；

  關于模型訓練，CMU Sphinx 包含中英文和很多即開即用的高質量模型。

  CMU Sphinx介紹

  CMU Sphinx(簡稱Sphinx)是美國卡內基梅隆大學開發(fā)的一系列語音識別系統的總稱，也是一個領先的語音識別工具包，具有用于構建語音應用程序的各種工具，CMU Sphinx包含許多用于不同任務和應用程序的開發(fā)包。主要包括：

  • Pocketsphinx — lightweight recognizer library written in C（C語言開發(fā)的輕量級語音識別引擎）

  • Sphinxtrain — acoustic model training tools （聲學模型訓練工具）

  • Sphinxbase — support library required by Pocketsphinx andSphinxtrain（Pocketsphinx和Sphinxtrain的基礎類庫）

  • Sphinx4 — adjustable, modifiable recognizer written in Java (Java語言開發(fā)的可調節(jié)、可修改的語音識別引擎)

  CMU Sphinx包含的模型

    CMU Sphinx中的模型包括聲學模型（acoustic model）、語言模型（language model）、發(fā)音字典（phonetic dictionary）。

  （1）聲學模型主要用于計算語音特征和每個發(fā)音模板之間的似然度，目的是為每個聲學單元建立一套模型參數，通過不斷地學習和改進得到概率最大的一組HMM模型參數。CMU Sphinx的聲學模型包含每個句子的聲學特性，存在與上下文相關的模型，其包含屬性（每個音素的最可能的特征向量）和依賴于上下文的（從具有上下文的語音建立的）屬性。

  （2）語言模型定義了哪些單詞可以遵循以前識別的單詞，并通過剝離不可能的單詞來幫助限制匹配過程。最常用的語言模型是N-gram語言模型，它包含單詞序列的統計數據和有限狀態(tài)語言模型，通過有限狀態(tài)自動化（有時具有權重）來定義語音序列。

  （3）發(fā)音字典包含了從單詞(words)到音素(phones)之間的映射，作用是用來連接聲學模型和語言模型。發(fā)音字典包含系統所能處理的單詞的 ** ，并標明了其發(fā)音。通過發(fā)音字典得到聲學模型的建模單元和語言模型建模單元間的映射關系，從而把聲學模型和語言模型連接起來，組成一個搜索的狀態(tài)空間用于解碼器進行解碼工作。

  CMU Sphinx中文模型

  CMU Sphinx的中文模型主要有如下3個包：

聲學模型：zh_broadcastnews_16k_ptm256_8000.tar.bz2語言模型：zh_broadcastnews_ ** 000_utf8.DMP拼音字典：zh_broadcastnews_utf8.dic

  zh_broadcastnews_ptm256_8000目錄結構

  ├── feat.params   //HMM模型的特征參數

  ├── mdef   //模型定義文件（為每個即將進行訓練的HMM的每一狀態(tài)定義一個獨特的數字標識）

  ├── means  //混合高斯模型的均值

  ├── mixture_weights   //混合權重

  ├── noisedict    //噪聲也就是非語音字典

  ├── sendump  //用來從聲學模型中獲取mixture_weights文件的？

  ├── transition_ ** trices  //HMM模型的狀態(tài)轉移矩陣

  └── variances  //混合高斯模型的方差

  授人以漁

  CMU Sphinx中包含了許多簡單易懂的案例（Demo），對語音識別感興趣的童鞋不妨一試。

CMU Sphinx主頁：https://cmusphinx.github.io/教學網址：https://cmusphinx.github.io/wiki/tutorial/      模型下載地址：https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/