口袋獅身人面像
5.0.3
這就是 PocketSphinx，卡內基美隆大學的開源大詞彙量、與說話者無關的連續語音辨識引擎之一。
儘管這曾經是一個研究系統，但積極的開發已基本停止，並且與最先進的水平相去甚遠。 我正在發布一個版本，因為人們仍在使用它，並且在建置系統和 API 中存在許多歷史錯誤需要修正。
版本號碼出奇地大，因為人們正在使用一個名為 5prealpha 的“版本”，從現在開始我們將使用正確的語義版本控制。
請參閱許可證文件以了解使用條款。
我們現在使用 CMake 進行構建，這應該在 Linux 和 Windows 上給出合理的結果。 不確定 Mac OS X，因為我沒有其中之一。 此外，從未在任何平台上真正建置或正常工作的音訊庫已被簡單地刪除。
不再有任何對 SphinxBase 的依賴。 不再有獅身人面像基地了。 這不是您要找的 SphinxBase。您所有的 SphinxBase 都屬於我們。
若要在虛擬環境中安裝 Python 模組（將~/ve_pocketsphinx替換為您要建立的虛擬環境），請從頂層目錄：
python3 -m venv ~/ve_pocketsphinx . ~/ve_pocketsphinx/bin/activate pip install .
要安裝 C 庫和綁定（假設您有權限存取 /usr/local - 如果沒有，請使用-DCMAKE_INSTALL_PREFIX在下面的第一個cmake命令中設定不同的前綴）：
cmake -S . -B build cmake --build build cmake --build build --target install
pocketsphinx命令列程式從標準輸入或一個或多個檔案中讀取單通道 16 位元 PCM 音頻，並嘗試使用預設的聲學和語言模型來識別其中的語音。它接受大量您可能不關心的選項，預設為live的命令，以及一個或多個輸入（ align模式除外），或-從標準輸入讀取。
如果你有一個名為「speech.wav」的單通道 WAV 檔案並且你想識別其中的語音，你可以嘗試這樣做（結果可能不太好）：
pocketsphinx single speech.wav
如果您的輸入是其他格式，我建議使用sox轉換，如下所述。
命令如下：
help ：列印一長串您不關心的選項。
config ：將配置作為 JSON 轉儲到標準輸出（可以使用-config選項載入）。
live ：偵測每個輸入中的語音片段，對它們執行辨識（使用您不關心的那些選項），並將結果以行分隔的 JSON 格式寫入標準輸出。 我意識到這不是最漂亮的格式，但它肯定勝過 XML。 每行都包含一個帶有這些欄位的 JSON 對象，這些欄位具有短名稱以使行更具可讀性：
b ：從串流開頭開始的開始時間（以秒為單位）
d ：持續時間（以秒為單位）
p ：辨識結果的估計機率，即0到1之間的數字，代表輸入根據模型的可能性
t : 識別結果全文
w ：段列表（通常是單字），每個段依序包含b 、 d 、 p和t字段，分別表示單字的開始、結束、機率和文字。 如果-phone_align yes已傳遞，則將出現一個w字段，其中包含相同格式的電話分段。
single ：將每個輸入識別為單一話語，並以與上述相同的格式編寫 JSON 物件。
align ：將單一輸入檔案（或-對於標準輸入）與單字序列對齊，並以與上述相同的格式寫入 JSON 物件。 第一個位置參數是輸入，所有後續位置參數都連接起來形成文本，以避免忘記引用它時出現意外。 您負責規範化文字以刪除標點符號、大寫字母、蜈蚣等。
pocketsphinx align goforward.wav "go forward ten meters"
預設情況下，僅進行字級對齊。 若要取得電話對齊，請在標誌中傳遞-phone_align yes ，例如：
pocketsphinx -phone_align yes align audio.wav $text
這將產生不太可讀的輸出，但您可以使用 jq 來清理它。 例如，您可以只取得單字名稱和開始時間，如下所示：
pocketsphinx align audio.wav $text | jq '.w[]|[.t,.b]'
或者您可以獲得電話名稱和持續時間，如下所示：
pocketsphinx -phone_align yes align audio.wav $text | jq '.w[]|.w[]|[.t,.d]'
當然，還有很多很多其他的可能性。
soxflags ：將參數傳回給sox ，這將建立適當的輸入格式。 請注意，因為sox命令列有點奇怪，所以它們必須始終位於檔案名稱或-d之後（告訴sox從麥克風讀取）。您可以像這樣運行即時識別：
sox -d $(pocketsphinx soxflags) | pocketsphinx -
或從名為“audio.mp3”的檔案中解碼，如下所示：
sox audio.mp3 $(pocketsphinx soxflags) | pocketsphinx -
預設情況下，僅將錯誤列印到標準錯誤，但如果您想要更多訊息，可以傳遞-loglevel INFO 。 部分結果不會印出來，也許將來會印出來，但不要屏住呼吸。
對於編程，請參閱範例目錄，以了解使用 C 和 Python 庫的許多範例。 您也可以閱讀 Python API 或 C API 的文檔
PocketSphinx 最終基於Sphinx-II而 Sphinx-II 又基於卡內基美隆大學的一些舊系統，由於 Kevin Lenzo 的努力，這些系統在類似 BSD 的許可證下作為自由軟體發布。 解碼器的大部分內容是由 Ravishankar Mosur 編寫的（在評論中查找“rkm”），但其他許多人也做出了貢獻，請參閱作者文件以獲取更多詳細資訊。
David Huggins-Daines（本文檔的作者）負責創建PocketSphinx ，它添加了各種速度和內存優化、定點計算、JSGF 支援、各種平台的可移植性以及有些連貫的 API。 隨後他消失了一段時間。
此後相當長一段時間由 Nickolay Shmyrev 接手維護，大量代碼由 Alexander Solovets、Vyacheslav Klimkov 等人貢獻。
目前，它再次由 David Huggins-Daines 維護。
