调试自定义单词PocketSphinx.js的语音识别

Question

问题：我正在寻找一种调试工具/方法，当PocketSphinx.js无法识别我定义的自定义单词时，我可以用它来发现问题所在。具体来说，我希望能够看到在无法识别单词时PocketSphinx.js实际听到的音素。

详细信息：我正在为网站开发语音界面。我需要使用自定义关键字，并且正在使用PocketSphinx.js。我选择的自定义关键字是“ Berk-o-bot”，CMU pronunciation为“ B ER OW B A A T”。我对这个词组认识得很少。 （仅能识别大约四分之一的时间，我会慢慢地故意说出这个词，如果我以正常的速度讲话则永远不会。）注意：如果我将单词分成较小的块（Berk [B ER K]，Berk-O [B ER K OW]，O-bot [OW B A T]或bot [B AA T]），则较小的块很容易识别。

失败尝试的想法：

• 我怀疑，由于第一个和第三个音节都带有重音，但第二个音节没有重音，因此识别器会遇到困难。我曾尝试在发音[B ER1 K OW0 B AA2 T]中添加Arpabet Stress Symbols，但是当我尝试将单词添加到词典中时，pocketsphinx.js抛出了错误。
• [我也尝试过将多种发音添加到字典中，例如BERK-O-BOT（2）[BER K AO B AA T]，BERK-O-BOT（3）[B ER K AH B AA T]， BERK-O-BOT（4）[Ber K EH B AA T]，BERK-O-BOT（5）[Ber K UH B AA T]，但识别率没有任何改善。
• 我是Pocketsphinx.js的新手，因此以上两种方法可能有效，但是我可能没有正确实现它们。

Answer 1

您需要先在Pocketsphinx_continuous和预先录制的音频文件上使其在桌面上运行。一旦工作，您可以尝试使用具有相同配置和型号的网络浏览器。

如果仍然无法获得更多详细的帮助，您可以共享音频文件和配置/模型。

总体而言，pocketsphinx是一项非常古老的技术，很难使其准确无误。您最好尝试使用https://github.com/castorini/honkling或vosk-api