Pocketsphinx

Pocketsphinx 是來自卡內基美隆大學（Carnegie Mellon University）的語音辨識工具，許多 Linux 發行版的套件庫已經有收納此工具，以 Fedora 19 為例，執行以下 yum 安裝指令就能夠將所需的套件安裝完畢：

• sudo yum install pocketsphinx pocketsphinx-python

至於未收納此工具的 Linux 發行版，則必須以原始碼編譯的方式安裝。以 64bit 的 CentOS 6.5 為例，首先至官網下載最新版本的 Sphinxbase 與 Pocketsphinx 原始碼（目前為 0.8 版）。在進行編譯之前，由於 DR 需要 Pocketsphinx 的 Python 模組，所以得先用 yum 安裝 Python 的開發套件：

• yum install python-devel

如果沒有安裝該套件，則在編譯時會跳過 Python 模組的編譯。接著便先後對 Sphinxbase 與 Pocketsphinx 進行編譯與安裝：

• tar -zxvf sphinxbase-0.8.tar.gz
• cd sphinxbase-0.8
• ./configure --prefix=/usr --libdir=/usr/lib64
• make
• make install
• tar -zxvf pocketsphinx-0.8.tar.gz
• cd pocketsphinx-0.8
• ./configure --prefix=/usr --libdir=/usr/lib64
• make
• make install

安裝完畢後就可以開始撰寫程式碼了，以下的 Python 程式（transcript.py）在使用時得先確認聲音模組與字典檔所指向的路徑是確實存在的：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import sys
import pocketsphinx

HMM = "/usr/share/pocketsphinx/model/hmm/en_US/hub4wsj_sc_8k/"
LM = "/usr/share/pocketsphinx/model/lm/en_US/hub4.5000.DMP"
DICT = "/usr/share/pocketsphinx/model/lm/en_US/hub4.5000.dic"


def get_transcript(filename):
    process = pocketsphinx.Decoder(hmm = HMM, lm = LM, dict = DICT)
    audio = file(filename, "rb")
    process.decode_raw(audio)
    result = process.get_hyp()
    return result[0]

if __name__ == "__main__":
    if len(sys.argv) >= 2:
        print get_transcript(sys.argv[1])
    

Pocketsphinx 所容許的聲音檔格式為 16000 Hz、單聲道、PCM 編碼的 WAV。執行方式如下：

• chmod +x transcript.py
• ./transcript.py test.wav

執行時會先輸出一大串的 Pocketsphinx 訊息，最後才是所辨識出的文字。