語音識別：檢測日語假名（輔音+元音）

Question

我想找到一些開放源代碼（雖然我會解決一個封閉的源產品）來轉換日語假名（即輔音+元音對）並實時打印出來。

但是，我想將這些基本的聲音單元用於我自己的自定義目的，所以我不希望任何嘗試提取真正日語單詞的高級處理。我只想得到原始假名。

有人知道這樣的技術嗎？

今天剛剛我才知道日文字母基本上是一個0123x的10x5格。 10列（空+9輔音）和5行（元音）

並且每個元素被稱爲'假名'，並且該語言由這些假名的序列組成;這些是基本的構建塊。

這肯定會對語音識別算法產生很大的影響。

對於西方語言，所有的商業語音識別引擎，我知道的派生從CMUSphinx其在三克模式運行：它代表了一個獨特的MFCC矢量三個音素之間的每一個動作，並計算出最有可能的三克一個話語的序列（從中可以平均地推導出音素，然後運行它的WORD三元組詞典，找出最可能的句子）。

但是對於像日語這樣的語言，我猜測這可能不再是最有效的算法。

相反，嘗試捕捉每個單獨的假名或假名對可能是有意義的。

...這將是2克或4克。但不是3！

那裏有什麼嗎？或者他們只是使用西方世界的相同引擎？

Answer 1

Julius擁有日語的聲學和語言模型。 試試看看它是否適合你的應用。

我不知道他們訓練有素的語言模型，但Julius可以支持 反向傳球中的任何命令n-gram。在前進中，它支持bigram。通常在反向 階段使用4克。兩個LM都使用Julius工具放在一起。

Luis ASR Labs