O‘zbekiston respublikasi fanlar akademiyasi

CMU Sphinx. CMU Sphinx – современный и весьма популярный пакет для 
разработки систем распознавания речи, на котором можно реализовать как 
высокоточные системы управления голосовыми командами, так и системы 
распознавания слитной речи с большим словарем [2]. 
Система CMU Sphinx - дикторонезависимая система распознавания 
непрерывной речи, которая использует скрытую Марковскую акустическую 
модель и n-грамную статическую модель. CMU Sphinx демонстрирует 
выполнимость распознавания непрерывной декторонезависимой речи с объемным 
словарем, осуществимость которой была под сомнением до сегодняшнего дня. 
Данный пакет включает набор инструментов, которые решают различные 
задачи и относятся к различным сферам применения, такие как: 
Pocketsphinx - «лёгкий» распознаватель речи на основе языка C, 
предназначенный для мобильных платформ;
Sphinx 4 - гибкий модифицируемый распознаватель, написанный на языке 
программирования Java и ориентированный на стационарные устройства; 
Sphinxtrain - пакет инструментов для адаптации и обучения акустических 
моделей на основе скрытых моделей Маркова(СММ); 
Sphinxbase — библиотека, необходимая для работы Sphinxtrain. 
На рис. 1 представлена обобщенная структура системы Sphinx, 
взаимодействие компонентов которой продемонстрирована стрелками. 
Система состоит из трёх основных блоков: frontend (внешнее 
представление), декодер и база знаний. Эти части управляются внешним 
приложением. Блок frontend принимает запись речи и параметризует её. Внутри 

---

92 
frontend модуль указания на конец речи выделяет начало и конец речи, разделяет 
звуковой поток на речь и не - речь и удаляет области с отсутствием речи. Он 
может выполнять эти операции или на речевом потоке, непосредственно, или на 
последовательности признаковых описаний (featured vectors), вычисленных на 
его основе. Блок декодера непосредственно производит распознавание. Он 
содержит модуль конструирования графа (лингвист), который преобразует любой 
тип стандартной языковой модели, предоставленной базе знаний приложением, во 
внутренний формат, и вместе с информацией из словаря и одной или нескольких 
акустических моделей строит языковую скрытую Марковскую модель (HMM). 
Последняя в дальнейшем используется модулем поиска для определения 
структуры словарной решётки, которую следует отыскать. 
Рис. 1. Архитектура Sphinx 4 
 
Акустическая модель

это основная часть обучения. Акустическая модель 
обеспечивает отображение акустической информации и фонетики. Он использует 
речевые сигналы из учебной базы данных. Различные модели доступны для 
акустического моделирования. Скрытая Марковская Модель (HMM) является 
широко используемой и принятой моделью [8] для обучения и распознавания. 
Языковая модель

это также часть обучения. Языковая модель содержит 
структурные ограничения, доступные в языке, для генерации вероятностей 
появления слова, за которым следует последовательность из n-1 слов [1]. Система 
распознавания речи использует биграммные, триграммные и n-грамматические 
модели языка. Языковая модель различает слово и фразу с похожим звучанием.