Sphinx4语音识别的框架

Sphinx4语音识别的框架

1  sphinx4基本模块

Sphinx4主要由三个基本模块构成：FrontEnd，Decoder，Linguist。

FrontEnd接受信号的输入并且转化为特征序列。Linguist把任何类型的标准语言模型，字典的发音信息以及一些声学模型的结构信息转换为一个SearchGraph。在Decoder 中的SearchManager负责用FrontEnd产生的特征以及Linguist生成的SearchGraph进行实际的decoding工作，产生结果。

2  Linguist的基本构成

Linguist是由三个可插拔的组件构成：LanguageModel，Dictionary，AcousticModel。

1）LanguageModel提供了单词上得语言结构。主要有2种典型的实现：graph-driven grammars和stochastic N-Grammodels。graph-driven grammars代表一个有向图，图的节点代表一个单词，链接代表发生单词转换的概率。stochastic N-Gram models提供了在给定前n-1个单词时，该单词发生的概率。

2）Dictionary提供单词的发音。这些发音把单词分成一个AcousticModel里面unit的序列。

3）AcousticModel提供了语音单元与一个HMM模型的映射关系。HMM是一个有向图，节点代表一个HMM状态，链接代表一个状态转移概率。每一个HMM状态都可以对一个特征得分(实际的实现在HMMState类里面)。Sphinx4现在提供一个单独的AcousticModel实现，能够载入并使用Sphinx3 trainer生成的模型。

4）SearchGraph是由LanguageModel所代表的语言结构以及AcousticModel的拓扑结构(基本发声单元的HMMs)。Linguist也会使用词典(Dictionary)把LanguageModel的单词映射成AcousticModel元素的序列。

SearchGraph是一个有向图，每一个节点叫做SearchState，可以分为emitting或non-emitting状态。Emitting状态能够对语音特征进行打分；而non-emitting状态仅仅代表了高层的语言结构，例如单词，音素，这些不能够直接对语音特征进行打分。链接代表了状态间的转移概率。

 

参考：

Sphinx-4:A Flexible Open Source Framework for Speech Recognition.