vosk-android-demo
vosk-android-demo copied to clipboard
alphacep
中文语言模型准确性低到让人泪目
在处理之前，必须将文件转换为单声道。
我得到的结果非常接近。除了丁丁。您确定结果不同吗？
LOG (VoskAPI:ComputeDerivedVars():ivector-extractor.cc:183) Computing derived variables for iVector extractor LOG (VoskAPI:ComputeDerivedVars():ivector-extractor.cc:204) Done. LOG (VoskAPI:RemoveOrphanNodes():nnet-nnet.cc:948) Removed 1 orphan nodes. LOG (VoskAPI:RemoveOrphanComponents():nnet-nnet.cc:847) Removing 2 orphan components. LOG (VoskAPI:Collapse():nnet-utils.cc:1472) Added 1 components, removed 2 LOG (VoskAPI:CompileLooped():nnet-compile-looped.cc:345) Spent 0.0320599 seconds in looped compilation. LOG (VoskAPI:ReadDataFiles():vosk/model.cc:259) Loading HCL and G from model/HCLr.fst model/Gr.fst LOG (VoskAPI:ReadDataFiles():vosk/model.cc:281) Loading winfo model/word_boundary.int { "partial" : "" } { "partial" : "" } { "partial" : "" } { "partial" : "请" } { "partial" : "请 注意" } { "partial" : "请 注意" } { "partial" : "请 注意 接听" } { "partial" : "请 注意 接听" } { "partial" : "请 注意 接听 丁丁" } { "partial" : "请 注意 接听 丁丁" } { "partial" : "请 注意 接听 丁丁 免费" } { "partial" : "请 注意 接听 丁丁 免费" } { "partial" : "请 注意 接听 丁丁 免费 电话" } { "result" : [{ "conf" : 1.000000, "end" : 0.450000, "start" : 0.000000, "word" : "请" }, { "conf" : 1.000000, "end" : 0.780000, "start" : 0.450000, "word" : "注意" }, { "conf" : 1.000000, "end" : 1.350000, "start" : 0.810000, "word" : "接听" }, { "conf" : 1.000000, "end" : 1.890000, "start" : 1.350000, "word" : "丁丁" }, { "conf" : 1.000000, "end" : 2.370000, "start" : 1.890000, "word" : "免费" }, { "conf" : 1.000000, "end" : 3.090000, "start" : 2.370000, "word" : "电话" }], "text" : "请 注意 接听 丁丁 免费 电话" }
我的是rk3399 android7.1 ，除了更换模型文件，其他代码不需要修改吗？ 比如这个地方 KaldiRecognizer(activityReference.get().model, 16000.f, "你 好");
-
转成单声道，依旧不行 Input File : 'mono.wav' Channels : 1 Sample Rate : 44100 Precision : 16-bit Duration : 00:00:03.20 = 141312 samples = 240.327 CDDA sectors File Size : 283k Bit Rate : 706k Sample Encoding: 16-bit Signed Integer PCM
-
转成单声道，并在创建KaldiRecognizer 的时候把采样率设置成44100，也是不行
改成这个样子可以设别wav文件了 KaldiRecognizer(activityReference.get().model, 44100 );
那如果mic需要怎么改？
改成这个样子可以设别wav文件了 KaldiRecognizer(activityReference.get().model, 44100 );
恭喜你
那如果mic需要怎么改？
抱歉，问题是什么？
public SpeechRecognizer(Model model) throws IOException {
this.recognizer = new KaldiRecognizer(model, 16000.0F);
this.sampleRate = 16000;
this.bufferSize = Math.round((float)this.sampleRate * 0.4F);
this.recorder = new AudioRecord(6, this.sampleRate, 16, 2, this.bufferSize * 2);
if(this.recorder.getState() == 0) {
this.recorder.release();
throw new IOException("Failed to initialize recorder. Microphone might be already in use.");
}
}
采样率设置能否开一个api出来？怀疑和采样率有关，
我的系统是RK3399 Android7.1 系统
采样率设置能否开一个api出来？怀疑和采样率有关，
我同意。 我可以在代码中的某个时候更改它。 也许您可以做得更快。
我的系统是RK3399 Android7.1 系统
您也可以尝试其他可能与手机有关的手机型号。 我尝试使用小米手机。
vosk_api 我这边编译不过android 版本 CMake Error: CMake can not determine linker language for target: kaldi_jni
我这边在linux编译了vosk_api,改了采样率，依然准确性不高
另外，我又找了一些wav文件测试，准确性也不是很高，测试了4个wav文件，只成功识别一个 wav文件都是44100，16bit的 Input File : 'kaldi-android-demo/models/src/main/assets/4.wav' Channels : 1 Sample Rate : 44100 Precision : 16-bit Duration : 00:00:02.83 = 124810 samples = 212.262 CDDA sectors File Size : 250k Bit Rate : 706k Sample Encoding: 16-bit Signed Integer PCM
@xiaooquanwu
这里的声音不寻常
对于第一个例子
{
"result" : [{
"conf" : 1.000000,
"end" : 0.150000,
"start" : 0.060000,
"word" : "我"
}, {
"conf" : 1.000000,
"end" : 0.510000,
"start" : 0.150000,
"word" : "喜欢"
}, {
"conf" : 1.000000,
"end" : 0.840000,
"start" : 0.510000,
"word" : "你"
}],
"text" : "我 喜欢 你"
}
你有什么不同吗？
你好，我这边采用rk3326/Android9.0测试，识别率一开始也很低。 后来，将安卓程序烧录到手机上，说话字正腔圆普通话标准一些，识别率在95%以上。 经过分析后发现，不是vosk-android-demo的问题。而是，rk3326硬件资源带不起该软件。
好吧，我会检查未来几天
您好，很感谢您贡献了优秀的代码，让我感受到了语音识别之美！请问，我可以加入你们，一起为了这个项目的发展，贡献一份力量吗？
