Pocketsphinx_continuous-クラウドでのオンライン

プログラム：

NAME

packetsphinx_continuous-連続リスニングモードで音声認識を実行します

SYNOPSIS

Pocketsphinx_continuous -うーん うーん -口述 辞書ファイル [ オプション ] ...

DESCRIPTION

このプログラムはオーディオデバイスを開き、音声を待ちます。 発話を検出すると、
音声認識を実行します。

-adchdr
バイト単位のオーディオファイルヘッダーのサイズ（ヘッダーは無視されます）

-アドシン 入力は生のオーディオデータです

-AGC c0の自動利得制御（「max」、「emax」、「noise」、または「none」）

-agcthresh
自動利得制御の初期しきい値

-オールフォン
音声lmによる音素デコード

-allphone_ci
音声lmとコンテキストに依存しないユニットのみで音素デコードを実行します

-アルファ プリエンファシスパラメータ

-argfile
追加の引数を与えるファイル。

-アスケール
信頼スコア計算のための音響モデルスケールの逆

-ああ 音響スコアに適用される逆の重み。

-バックトレース
結果とバックトレースをログファイルに出力します。

-ビーム ビタビ検索のすべてのフレームに適用されるビーム幅（値が小さいほど広いことを意味します）
ビーム）

-ベストパス
単語格子上でbestpath（Dijkstra）検索を実行します（3回目のパス）

-bestpathlw
ベストパス検索の言語モデル確率の重み

-build_outdirs
出力ディレクトリに不足しているサブディレクトリを作成します

-セプディル
ファイルディレクトリ（制御ファイルのfilespecsの前に付けられます）

-セペクスト
入力ファイル拡張子（制御ファイルのfilespecsに付加）

-セプレン
入力特徴ベクトルのコンポーネントの数

-cmn Cepstral平均正規化スキーム（「current」、「prior」、または「none」）

-cmniit
'prior'が使用されている場合のcepstral平均の初期値（コンマ区切り）

-コンパルセン
すべてのフレームのすべてのセノネススコアを計算します（多くの場合、より速くなる可能性があります
セノネス）

-ctl 処理する発話をリストしたファイル

-ctlcount
処理する発話数（スキップ後） -ctloffset エントリ）

-ctlincr
制御ファイルのN行ごとに実行します

-ctloffset
冒頭の発話数 -ctl スキップするファイル

-ctm CTMファイル形式での出力（並べ替え後が必要な場合があります）

-デバッグ メッセージをデバッグするためのレベル

-口述 発音辞書（辞書）入力ファイル

-dictcase
辞書では大文字と小文字が区別されます（注：大文字と小文字は区別されませんがASCII文字に適用されます
のみ）

-ディザ
1/2ビットノイズを追加

-doublebw
ダブルバンドバンドフィルターを使用する（同じ中心周波数）

-ds フレームGMM計算のダウンサンプリング率

-fdict 単語発音辞書入力ファイル

-偉業 フィーチャーストリームタイプ、音響モデルによって異なります

-featparams
特徴抽出パラメーターを含みます。

-fillprob
フィラーワード遷移確率

-修道士 Frame rate

-fsg 有限状態文法ファイルをフォーマットする

-fsgctl
各発話に使用するFSGファイルをリストしたファイル

-fsgdir
FSGファイルのディレクトリ

-fsgext
FSGファイルの拡張子（先頭のドットを含む）

-fsgusealtpron
FSGに別の発音を追加する

-fsgusefiller
各状態にフィラーワードを挿入します。

-fwdフラット
単語格子上で前方フラットレキシコン検索を実行します（2回目のパス）

-fwdフラットビーム
セカンドパスフラットサーチですべてのフレームに適用されるビーム幅

-fwdflatfwid
fwdflat検索で検索される単語の終了フレームの最小数

-fwd flatlw
フラットレキシコン（2回目のパス）デコードの言語モデル確率の重み

-fwd flatsfwin
fwdflat検索で後続の単語を検索するための格子内のフレームのウィンドウ

-fwdフラットビーム
XNUMX回目のフラット検索で単語出口に適用されるビーム幅

-fwdtree
前方レキシコンツリー検索を実行します（1回目のパス）

-うーん 音響モデルファイルが含まれています。

-誇大広告 出力ファイル名

-ハイプセグ
セグメンテーションファイル名で出力

-input_endian
入力データのエンディアン（大小を問わず、NISTまたはMS Wavの場合は無視されます）

-jsgf 文法ファイル

-キーフレーズ
スポットに

-kws XNUMX行にXNUMXつずつ、特定するキーフレーズを含むファイル

-kws_遅延
最高の検出スコアを待つのを遅らせる

-kws_plp
キーワードスポッティングの電話ループ確率

-kws_threshold
p（hyp）/ p（alternatives）比のしきい値

-latsize
バックポインタテーブルの初期サイズ

-lda 機能（シングルストリーム機能）に適用される変換行列を含む
のみ）

-ldadim
特徴変換の出力の次元（行列全体を使用する場合は0）

-リフター
リフターの場合はsin-curveの長さ、リフターがない場合は0。

-lm トリグラム言語モデル入力ファイル

-lmctl 言語モデルのセット

この -うーん と -口述 引数は常に必要です。 また -lm or -fsg 必要とされている、
統計言語モデルを使用しているか、有限状態文法を使用しているかによって異なります。

onworks.netサービスを使用してオンラインでpocketsphinx_continuousを使用する