Pocketsphinx। लिनक्स पर वाक् पहचान और आवाज नियंत्रण

"क्या सब ठीक है, लेन्या?"
वक्ताओं को अधिकतम समायोजित किया जाता है, मैं भौंकता हूं, जवाब देता हूं:
- हां। हश ध्वनि।
"ध्वनि शांत है," विंडोज होम से सहमत है, "शांत, शांत ..."
- पर्याप्त, वीका
एस। लुयानेंको, "प्रतिबिंबों की भूलभुलैया"

परिचय

1997 में, Lukyanenko ने डेस्कटॉप के लिए CLI और आवाज नियंत्रण के संयोजन की भविष्यवाणी की। हालाँकि, अब वॉयस कंट्रोल एक संकरी जगह है।
आवाज नियंत्रण - ध्वनि कमांड का उपयोग करके डिवाइस के साथ बातचीत। भाषण की मान्यता के साथ इस अवधारणा को भ्रमित न करें। आवाज नियंत्रण के लिए, यह पर्याप्त है कि डिवाइस केवल वांछित कमांड का जवाब देता है (आखिरकार, आपका कुत्ता टाइपिस्ट के रूप में काम नहीं कर सकता?)। वाक् पहचान एक बहुत अधिक वैश्विक समस्या है: इस मामले में, डिवाइस को आपके द्वारा लिखित सभी शब्दों को पाठ प्रारूप में परिवर्तित करना होगा। जैसा कि आप अनुमान लगा सकते हैं, भाषण मान्यता वर्तमान में मानव क्षमताओं के संबंध में सतही रूप से लागू की गई है।
लेख में चर्चा की गई कार्यक्षमता का उपयोग किया जा सकता है, उदाहरण के लिए, एक स्मार्ट घर को व्यवस्थित करने के लिए जो अब फैशनेबल है या सिर्फ कंप्यूटर को नियंत्रित करने के लिए है। ईमानदारी से, कंप्यूटर नियंत्रण का वर्णन करने के लिए पैराग्राफ की एक जोड़ी पर्याप्त होगी, लेकिन मैं आपको CMU स्फिंक्स के साथ काम करने की मूल बातें दिखाने की कोशिश करूंगा।
वैसे, यहां वर्णित 70 प्रतिशत विंडोज उपयोगकर्ताओं के लिए उपयुक्त है।

लिनक्स के लिए, सबसे अधिक उल्लिखित दो उन्नत भाषण मान्यता परियोजनाएं सीएमयू स्फिंक्स और जूलियस हैं ।

इस लेख में मैं जूलियस पर स्पर्श नहीं करूँगा, क्योंकि इसके उपयोग के लिए पर्याप्त मार्गदर्शिकाएँ हैं (रनेट सहित)। यह सीएमयू स्फिंक्स के बारे में होगा।

विवरण और स्थापना

आधिकारिक वेबसाइट पर, पॉकेटफिनिक्स और स्फिंक्सबेस का नवीनतम संस्करण 0.8 है। मेरे डेबियन निचोड़ का भंडार केवल पदावनत स्फिंक्स 2 शाखा है। तो, हम एकत्र करेंगे (हमारे वितरण के भंडार की जाँच करें: उबंटू और फेडोरा के नवीनतम संस्करणों में वर्तमान संस्करण होने चाहिए)। यदि आवश्यक हो, तो C में लिखे पॉकेट्सफिंक्स के बजाय, आप जावा ( अधिक ) में Sphinx4 का उपयोग कर सकते हैं।
यहाँ से सोर्स पॉकेट्सफिनक्स और स्फिंक्सबेस ("पॉकेट्सफिंक्स और स्फिंक्सट्रान द्वारा आवश्यक लाइब्रेरी का समर्थन करें") डाउनलोड करें और इकट्ठा करें।


/ Dev / dsp के साथ काम करने के लिए, अक्सर पूछे जाने वाले प्रश्न के अनुसार oss-हमर पैकेज स्थापित करें।

मूल उपयोग

परियोजना हमें एक बुनियादी उदाहरण पर संचालन क्षमता का परीक्षण करने के लिए प्रदान करती है: अंग्रेजी में वाक्यांश को पहचानने के लिए "दस मीटर आगे बढ़ो"।
खैर, कोशिश करते हैं।
हम पॉकेटफिनएक्स_बैच बैच मान्यता उपयोगिता का उपयोग करेंगे (उपयोग से पहले इसके आदमी को पढ़ें)। एक मान्यता उपयोगिता "माइक्रोफोन से" भी है - पॉकेट्सफिनक्स_कॉन्टिनस (इसका सिंटैक्स पॉकेट्सफिनक्स_बैच के समान है)।
हम एक अलग निर्देशिका में काम करेंगे, उदाहरण के लिए ~ / स्फिंक्स।
हमारी टीम का सिंटैक्स इस प्रकार है:

 pocketsphinx_batch -argfile argfile 2>./errors 

-गर्फी: वर्तमान निर्देशिका में फ़ाइल का नाम जिसमें सभी तर्क हैं।
Stderr को सुविधा के लिए एक फ़ाइल पर पुनर्निर्देशित किया गया है।
अर्गाइल सामग्री:

 -hmm /usr/local/share/pocketsphinx/model/hmm/en_US/hub4wsj_sc_8k -lm /usr/local/share/pocketsphinx/model/lm/en/turtle.DMP -dict /usr/local/share/pocketsphinx/model/lm/en/turtle.dic -cepdir /home/saint/sphinx -ctl ctlfile -cepext .raw -adcin true -hyp outname 

-Hmm: ध्वनिक मॉडल फ़ाइलों (व्यक्तिगत ध्वनियों के लिए टेम्पलेट) युक्त निर्देशिका का मार्ग।
-lm: ट्राइग्राम भाषा मॉडल फ़ाइल का पथ (आप यहां पढ़ सकते हैं)।
-डिक्ट: उच्चारण शब्दकोश फ़ाइल के लिए रास्ता।
-सीपीडीआर: साउंड फाइल्स वाली डायरेक्टरी का रास्ता। सावधान रहें: यदि आप -spdir को तर्क फ़ाइल में जोड़ते हैं, तो ~ / स्फिंक्स शॉर्टकट को सही तरीके से संसाधित नहीं किया जाता है: आपको पूरा पथ लिखना होगा। यदि आप कमांड के बाद एक तर्क लिखते हैं, तो आप छोटे पथ का उपयोग कर सकते हैं।
-ctl: प्रोसेस्ड फाइलों के नाम वाली फाइल। हम पॉकेटफिनिक्स स्रोत पैकेज से goforward.raw फ़ाइल लेंगे (वहाँ भी * .raw फ़ाइलों के एक जोड़े हैं - आप उन्हें भी पहचान सकते हैं)।
-cepext: फ़ाइल एक्सटेंशन
-adcin: प्रोसेस्ड फ़ाइल को रॉ के रूप में पॉइंटर।
-hyp: उस फ़ाइल का नाम जिसमें मान्यता प्राप्त पाठ आउटपुट होगा।
मॉडल फ़ाइलों के लिए पथ के साथ तर्क आवश्यक हैं। याद रखें कि कई पैरामीटर डिफ़ॉल्ट रूप से सेट होते हैं (देखें stderr)। इसलिए, * .raw फ़ाइल के साथ काम करने के लिए, आपको एक्सटेंशन को बाध्य करना होगा, अन्यथा डिफ़ॉल्ट पैरामीटर का उपयोग किया जाएगा - .mfc एक्सटेंशन (और हम निश्चित रूप से, मूल उदाहरण में ऐसी फाइलें नहीं हैं - त्रुटियों को फेंक दिया जाएगा)।
निष्पादन के परिणामस्वरूप, हमारे पास आउटनाम फ़ाइल में निम्नलिखित सामग्री होगी:

 go forward ten meters (goforward -26532) 

उसी समय, आप निर्देशिका में goforward.raw फ़ाइल (डेवलपर्स से उदाहरण) के साथ निर्देशिका में C के समान उद्देश्य के लिए एक कार्यक्रम देख, संकलित और चला सकते हैं।
अपने उदाहरणों की जाँच करने के लिए, मैंने दार्शनिकता का उपयोग न करने का निर्णय लिया और साबुन का उपयोग किया (यदि आपने यह पैकेज स्थापित किया है)।
हम ध्वनि को इस प्रकार लिखेंगे (आप man sox पढ़ सकते हैं):
- कच्चे के लिए

 rec -r 16k -e signed-integer -b 16 -c 1 filename.raw 

- wav के लिए

 rec -r 16k -e signed-integer -b 16 -c 1 filename.wav 

Ctrl+C द्वारा अंतिम रिकॉर्डिंग Ctrl+C
उसी समय, नमूने की दर का उपयोग करने में असमर्थता पर मेरी sox ने शपथ ली: can't set sample rate 16000; using 48000 can't set sample rate 16000; using 48000 । नोट: यह स्पष्ट रूप से झूठ है - वास्तव में, सब कुछ क्रम में है।
मैंने कनेक्ट किए गए शब्दकोशों से विभिन्न उदाहरणों का उपयोग करते हुए कच्चे और wav को लिखा और पहचाना - सब कुछ काफी स्वीकार्य माना गया ।

ध्वनि मॉडल अनुकूलन

ध्वनि मॉडल को अपनाने से किसी विशेष आवाज, उच्चारण, उच्चारण या पर्यावरण के लिए मान्यता में सुधार होना चाहिए। इस प्रक्रिया पर विचार करें।

पहले लिंक से प्रस्तावित फाइलों को एक अलग निर्देशिका में डाउनलोड करें जिसमें हम काम करेंगे।
अब हम मॉडल के अनुसार arctic20.txt फ़ाइल से वाक्यों को निर्धारित करते हैं: आपको arctic_0001.wav ... arctic_0020.wav अनुसार, बीस फाइलें मिलनी चाहिए।
रिकॉर्डिंग को सरल बनाने के लिए, हम प्रस्तावित स्क्रिप्ट का उपयोग करते हैं:

 for i in `seq 1 20`; do fn=`printf arctic_%04d $i`; read sent; echo $sent; rec -r 16000 -e signed-integer -b 16 -c 1 $fn.wav 2>/dev/null; done < arctic20.txt 

तदनुसार, परिणाम को सुनने के लिए, हम निष्पादित करते हैं:

 for i in *.wav; do play $i; done 

हम अपनी कार्यशील निर्देशिका में ध्वनिक मॉडल (जिसके साथ हमने काम किया है) /usr/local/share/pocketsphinx/model/hmm/en_US/hub4wsj_sc_8k से /usr/local/share/pocketsphinx/model/hmm/en_US/hub4wsj_sc_8k करेंगे।
अब ध्वनिक सुविधाएँ फ़ाइलें बनाएँ (याद रखें: * .wav फ़ाइलों के साथ निर्देशिका में काम करना)।

 sphinx_fe -argfile hub4wsj_sc_8k/feat.params -samprate 16000 -c arctic20.listoffiles -di . -do . -ei wav -eo mfc -mswav yes 

नतीजतन, हमें * .mfc फाइलें मिलती हैं।
अतिरिक्त पैक (89.0 एमबी) डाउनलोड करें; mixture_weights से mixture_weights नामक फाइल को pocketsphinx-extra/model/hmm/en_US/hub4_wsj_sc_3s_8k.cd_semi_5000 में ध्वनिक मॉडल के साथ निर्देशिका में रखा।
यह ध्वनिक मॉडल के mdef फ़ाइल को पाठ प्रारूप में बदलने के लिए भी आवश्यक है:

 pocketsphinx_mdef_convert -text hub4wsj_sc_8k/mdef hub4wsj_sc_8k/mdef.txt 

अब, अनुकूलन मार्गदर्शिका की शब्दावली के अनुसार, हम संचित डेटा एकत्र करेंगे। कार्यशील निर्देशिका के लिए /usr/local/libexec/sphinxtrain/bw से bw उपयोगिता की प्रतिलिपि बनाएँ (इससे पहले, sphinxtrain स्थापित करने के लिए याद रखें!)।

 ./bw -hmmdir hub4wsj_sc_8k -moddeffn hub4wsj_sc_8k/mdef.txt -ts2cbfn .semi. -feat 1s_c_d_dd -svspec 0-12/13-25/26-38 -cmn current -agc none -dictfn arctic20.dic -ctlfn arctic20.fileids -lsnfn arctic20.transcription -accumdir . 

हम शुरू करते हैं और देखते हैं:
SYSTEM_ERROR: "corpus.c", line 339: Unable to open arctic20.fileids for reading: No such file or directory
जाहिर है, डेवलपर्स का दायां हाथ नहीं जानता है कि बाएं क्या कर रहा है (मैं प्रलेखन के अप्रासंगिक भाग के बारे में बात नहीं कर रहा हूं)।
कार्य निर्देशिका में arctic20.listoffiles नाम बदलकर arctic20.fileids
अब सब कुछ काम करता है।
आइए एमएलएलआर अनुकूलन करें (मॉडल में सीमित मात्रा में डेटा के लिए प्रभावी):

 cp /usr/local/libexec/sphinxtrain/mllr_solve /your/work/dir/mllr_solve 

 ./mllr_solve -meanfn hub4wsj_sc_8k/means -varfn hub4wsj_sc_8k/variances -outmllrfn mllr_matrix -accumdir . 

यह कमांड अनुकूलन डेटा फ़ाइल mllr_matrix ।
अब, एक अनुकूलित मॉडल के साथ पहचान करते समय, आप -mllr /path/to/mllr_matrix जोड़ सकते हैं।
समानांतर में, हम एक और अनुकूलन विधि का उत्पादन करेंगे: एमएपी।

 cp /usr/local/libexec/sphinxtrain/map_adapt /your/work/dir/map_adapt 

मॉडल की एक प्रति बनाएँ:

 cp -a hub4wsj_sc_8k hub4wsj_sc_8kadapt 

और एक एमएपी अनुकूलन करें:

 ./map_adapt -meanfn hub4wsj_sc_8k/means -varfn hub4wsj_sc_8k/variances -mixwfn hub4wsj_sc_8k/mixture_weights -tmatfn hub4wsj_sc_8k/transition_matrices -accumdir . -mapmeanfn hub4wsj_sc_8kadapt/means -mapvarfn hub4wsj_sc_8kadapt/variances -mapmixwfn hub4wsj_sc_8kadapt/mixture_weights -maptmatfn hub4wsj_sc_8kadapt/transition_matrices 

अब एक छोटे आकार के साथ एक sendump फ़ाइल बनाएँ:

 cp /usr/local/libexec/sphinxtrain/mk_s2sendump /your/work/dir/mk_s2sendump 

 ./mk_s2sendump -pocketsphinx yes -moddeffn hub4wsj_sc_8kadapt/mdef.txt -mixwfn hub4wsj_sc_8kadapt/mixture_weights -sendumpfn hub4wsj_sc_8kadapt/sendump 

अनुकूलन पूरा हो गया है।

अनुकूलन परीक्षण

प्रयोग का सार: हम कई नमूने रिकॉर्ड करते हैं, जिस पर मूल ध्वनिक मॉडल ठोकर खाता है, और अनुकूलित ध्वनिक मॉडल का उपयोग करके उन्हें संसाधित करता है।
कार्य निर्देशिका में एक उपनिर्देशिका test बनाएँ। इसमें, हम wav उपनिर्देशिका बनाते हैं जिसमें हमारी परीक्षण प्रविष्टियाँ होंगी।
यहां, प्रयोग के परिणाम की पुष्टि करने के लिए, मैं अपने नमूने और दो अनुकूलित ध्वनिक मॉडल पोस्ट करता हूं।

हम जांचते हैं (याद रखें कि अनुकूलन बिल्कुल सही परिणाम नहीं देगा: अनुकूलित मॉडल एक ही गलती करेंगे; प्लस तथ्य यह है कि वे इसे कम बार करेंगे। मेरा पहला दृश्य रिकॉर्ड पहले प्रयास से बहुत दूर बनाया गया था: पर्याप्त रिकॉर्ड थे जहां उन्होंने गलतियां कीं। सभी मॉडल):
1. आधार मॉडल का उपयोग कर मान्यता:

 pocketsphinx_batch -hmm /usr/local/share/pocketsphinx/model/hmm/en_US/hub4wsj_sc_8k -lm /usr/local/share/pocketsphinx/model/lm/en/turtle.DMP -dict /usr/local/share/pocketsphinx/model/lm/en/turtle.dic -cepdir wav -ctl adaptation-test.fileids -cepext .wav -adcin yes -hyp adaptation-test.hyp 

परिणाम:

 hello halt say forty (test1 -27391) go forward ten meter (test2 -35213) hall doing home (test3 -30735) 

2. एमएलएलआर अनुकूलन के साथ एक मॉडल का उपयोग करके मान्यता: जब -mllr पैरामीटर ने मेरे मैट्रिक्स को पथ का संकेत दिया, तो एक विभाजन त्रुटि उत्पन्न हुई (मुझे खुदाई नहीं हुई)। यदि इस विकल्प के बिना मान्यता है, तो परिणाम मूल मॉडल के परिणाम के समान है।
हालांकि, मैनुअल ने कहा कि एमएलएलआर अनुकूलन एक निरंतर मॉडल (यानी स्फिंक्सो के लिए) के लिए सबसे उपयुक्त है।
3. MAP अनुकूलन के साथ एक मॉडल का उपयोग कर मान्यता:

 pocketsphinx_batch -hmm ../hub4wsj_sc_8kadapt -lm /usr/local/share/pocketsphinx/model/lm/en/turtle.DMP -dict /usr/local/share/pocketsphinx/model/lm/en/turtle.dic -cepdir wav -ctl adaptation-test.fileids -cepext .wav -adcin yes -hyp adaptation-test.hyp 

परिणाम:

 hello rotate display (test1 -28994) go forward ten meters (test2 -33877) lost window (test3 -29293) 

जैसा कि आप देख सकते हैं, परिणाम पूरी तरह से रिकॉर्ड के समान है। अनुकूलन वास्तव में काम करता है!

पॉकेट्सफिंक्स में रूसी भाषा

यहाँ से voxforge पर बनाए गए रूसी मॉडल डाउनलोड करें । आप यहां विभिन्न प्रकार के मॉडल देख सकते हैं और बस इंटरनेट पर।

हम रूसी में आवाज-सक्रिय कंप्यूटर नियंत्रण का एक उदाहरण लागू करेंगे, जिसका अर्थ है कि हमें अपने स्वयं के भाषा मॉडल और हमारे अपने शब्दकोश की आवश्यकता है (सबसे अधिक संभावना है, हमारे कुछ शब्द सामान्य उदाहरणों में नहीं होंगे)।

अपनी खुद की स्थिर भाषा मॉडल बनाएं

सामान्य तौर पर, एक छोटी संख्या के लिए, एक स्थिर भाषा मॉडल के बजाय, आप jsgf शब्दकोश का उपयोग कर सकते हैं। हालाँकि, यह एक विशेष मामला है और हम इस पर विचार करेंगे।
भाषा मॉडल बनाने के लिए एक गाइड यहाँ है ।
हम CMUCLMTK का उपयोग करके बनाएंगे।
डाउनलोड करें , एकत्र करें।
सबसे पहले, हमारे भाषा मॉडल के वाक्यों के साथ एक टेक्स्ट फ़ाइल बनाएं।

अगला, एक शब्दकोश फ़ाइल बनाएं:

 text2wfreq <lmbase.txt | wfreq2vocab> lmbase.tmp.vocab cp lmbase.tmp.vocab lmbase.vocab 

अरपा प्रारूप में एक भाषा मॉडल बनाएँ:

 text2idngram -vocab lmbase.vocab -idngram lmbase.idngram < lmbase.txt idngram2lm -vocab_type 0 -idngram lmbase.idngram -vocab lmbase.vocab -arpa lmbase.arpa 

और एक DMP मॉडल बनाएं।

 sphinx_lm_convert -i lmbase.arpa -o lmbase.lm.DMP 

अपना खुद का शब्दकोश बनाएं

गिटहब उपयोगिता से खींचना:

 git clone https://github.com/zamiron/ru4sphinx/ yourdir 

निर्देशिका पर जाएं ।/yourdir/text2dict और अपने शब्दों की सूची (प्रत्येक नया शब्द एक नए अनुच्छेद से) के साथ एक टेक्स्ट फ़ाइल my_dEDIA बनाएं।

फिर करें:

 perl dict2transcript.pl my_dictionary my_dictionary_out 

और अब आपका शब्दकोश बनाया गया है।

अब हम उन शब्दों को पहचानने की कोशिश करते हैं जो शब्दकोश में मौजूद हैं (अच्छा है, हमारे उदाहरण में उनमें से कई नहीं हैं)। अपने स्वयं के भाषा मॉडल और तर्क में शब्दकोश निर्दिष्ट करना न भूलें - सब कुछ काम करना चाहिए। यदि आप चाहें, तो आप ध्वनिक मॉडल को अनुकूलित कर सकते हैं (मैं तुरंत आपको चेतावनी देता हूं: अनुकूलन प्रक्रिया में bw उपयोगिता का उपयोग करते समय, सबसे ध्वनिक मॉडल के लिए -svspec विकल्प -svspec आवश्यकता नहीं होती है)।

स्टेटिक भाषा मॉडल के बजाय जावास्क्रिप्ट ग्रामर फ़ाइल का उपयोग करना

यहां पढ़ें
वाक्य रचना:

 #JSGF V1.0; grammar test; public <test> = ( <a> | <a> <b> ); <a> = (  |  |  |  ); <b> = [  ]; 

"|" एक चयन स्थिति को दर्शाता है। यानी हम "हश" या "विंडो बंद करें" कह सकते हैं। सच है, भाषा मॉडल के उपयोग की तुलना में, एक खामी है: आपको बहुत स्पष्ट बोलने की आवश्यकता है।
हम -jsgf पैरामीटर (-lm पैरामीटर इस मामले में आवश्यक नहीं है) के साथ बनाई गई jsgf फ़ाइल को निर्दिष्ट करते हैं।

आवाज नियंत्रण कार्यान्वयन

मेरा लक्ष्य एक शांत नियंत्रण इंटरफ़ेस को लागू करना नहीं था: यहां सब कुछ बहुत ही आदिम होगा (यदि आप चाहें और अवसर हो तो आप परित्यक्त ग्नोम वॉयस कंट्रोल प्रोजेक्ट को देख सकते हैं)।
हम निम्नानुसार कार्य करेंगे:
1. हम एक कमांड लिखते हैं, इसे पहचानते हैं।
2. हम मान्यता प्राप्त पाठ को एक फ़ाइल में स्थानांतरित करते हैं, इसके अनुसार हम कमांड को निष्पादित करते हैं।
परीक्षण टीमों के रूप में हम ध्वनि की मात्रा में कमी और वृद्धि करेंगे।

साबुन के लिए मैनुअल को ध्यान से पढ़ने के बाद, मैंने 3.8% के साइलेंस थ्रेशोल्ड के साथ एक सेकंड के बाद रिकॉर्डिंग को समाप्त करने का निर्णय लिया (थ्रेशोल्ड स्पष्ट रूप से एक शुद्ध व्यक्तिगत मूल्य है और आपके माइक्रोफ़ोन और पर्यावरण पर निर्भर करता है)।
दुर्भाग्य से, मुझे केवल पहचाने गए शब्दों के लिए आउटपुट विकल्प को पॉकेट्सफिनक्स_बच में नहीं मिला, इसलिए मैं sed टूल का उपयोग करूंगा:

 cat ~/sphinx/rus/outname | sed 's/\( (.*\)//' 

यह निर्माण "हमारे आदेश (ऑडियो -4023)" फॉर्म की लाइन से खुलने वाली ब्रैकेट के सामने की जगह, खुद और बाद की सभी सामग्रियों को हटा देगा। नतीजतन, हमें फॉर्म "हमारी टीम" की एक पंक्ति मिलती है, जो कि हमें चाहिए।
यहाँ स्क्रिप्ट ही है:

 #!/bin/bash rec -r 16k -e signed-integer -b 16 -c 1 test.wav silence 0 1 00:01 3.8% pocketsphinx_batch -argfile argfile 2>./errors a=$(cat ~/sphinx/rus/outname | sed 's/\( (.*\)//') case $a in ) amixer -q sset Master 10- a=$(amixer sget Master | grep "Mono: Playback") notify-send "$a" ;; ) amixer -q sset Master 10+ a=$(amixer sget Master | grep "Mono: Playback") notify-send "$a" ;; *) ;; esac 

कमांड "शांत" या "लाउडर" के जवाब में स्क्रिप्ट सूचना-भेजने के माध्यम से सिग्नलिंग के साथ संबंधित क्रियाएं करता है।
दुर्भाग्य से, यह केवल टर्मिनल से लॉन्च होने पर काम करेगा (अन्यथा, ध्वनि रिकॉर्ड नहीं की गई है)। हालांकि, वह आवाज नियंत्रण का एक विचार देता है (शायद आप बेहतर तरीके का सुझाव देंगे)।

निष्कर्ष में कुछ शब्द

जब मैंने इस लेख को लिखना शुरू किया, तो मैं आपको केवल यह बताना चाहता था कि नि: शुल्क मान्यता के साथ, अब तक सब कुछ उतना ही बहरा है जितना लगता है। इंजन हैं, www.voxforge.org पर ध्वनिक मॉडल पर काम चल रहा है (आप शब्दावली पढ़कर उनकी मदद कर सकते हैं)। इसी समय, मान्यता के साथ काम करना एक साधारण उपयोगकर्ता के लिए कुछ मुश्किल नहीं है।
कुछ दिनों पहले यह घोषणा की गई थी कि टैबलेट के लिए उबंटू पॉकेट्सफिनक्स या जूलियस का उपयोग करेगा। मुझे उम्मीद है कि इस प्रकाश में यह विषय थोड़ा अधिक प्रासंगिक और दिलचस्प लग रहा है।
लेख में, मैंने पॉकेट्सफिंक्स के साथ काम करने के मुख्य बिंदुओं पर विचार करने की कोशिश की, अभ्यास के बारे में सिद्धांत से अधिक बात की। हालांकि, आप यह सुनिश्चित कर सकते हैं कि मान्यता एक कल्पना नहीं है, यह काम करता है।
याद रखें कि मैंने केवल सतही पहलुओं को छुआ है: आधिकारिक साइटों और विभिन्न मंचों पर प्रलेखन में बहुत अधिक वर्णित है। कोशिश करें, हमें अपने अनुभव के बारे में टिप्पणियों में बताएं, आवाज के नियंत्रण के लिए सर्वोत्तम अभ्यास, सफल विचार और टर्नकी समाधान साझा करें।