Automatic Speech Recognition & Assessment (ASRA) Library

ASRA is a C++ Library developed at MIR lab, Taiwan.

Speech recognition is mainly voice command recogntion.

Speech assessment is also known as pronunciation scoring.

Current version of ASRA support following languages:

• English
• Chinese (Mandarin)
• Japanese [beta]
• Taiwanese [beta]

Current version of ASRA support MS windows and Unix/Linux platform.

ASRA only provides APIs for speech recognition and assessment. For training acoustic models, you should refer to HTK(Hidden Markov Model Toolkit).

ASRA for Chinese

此說明適用於UNIX平台。 請由下列網址下載ASRA package$\colon$ ASRA package for Chinese on Unix/Linux

語音辨識

主要程式是vcLibFile.cpp，放在mainProgram資料夾內。 直接執行bash goMainCompile.sh，可對mainProgram下的所有主程式進行編譯。(在編譯前，請確認系統有安裝g++，並且加入搜尋路徑。) 編譯後產生vcLibFile，用法如下$\colon$

vcLibFile <recogParamFile> <wavFile> <txtFile>

• recogParamFile$\colon$ 參數檔，紀錄語音辨識所用到的各種參數。
• wavFile$\colon$ 語音檔案，紀錄使用者錄製的音頻，檔案格式必須是16KHz, 16-bit, Mono, 錄音長度不超過10秒。
• txtFile$\colon$ 文字檔案，紀錄可辨識的文具，每一句必須換列。所支援的文字格式是中文大五碼(big5)。

下達上述命令後，程式會根據語音內容進行比對，由可辨識的文句中，選出最有可能的句子，並用介於0到100之間的分數來代表其信心度(confidence measure)。

除了辨識外，也內建標注音功能，甚至考慮文句所對應的所有可能注音組合。例如『朝辭白帝彩雲間』對應到四種唸法，都可以讓系統進行正確的辨識：

• 朝(ㄓㄠ)辭白(ㄅㄞˊ)帝彩雲間
• 朝(ㄓㄠ)辭白(ㄅㄛˊ)帝彩雲間
• 朝(ㄔㄠˊ)辭白(ㄅㄞˊ)帝彩雲間
• 朝(ㄔㄠˊ)辭白(ㄅㄛˊ)帝彩雲間

範例

可辨識文句的檔案tangPoem3223.txt，包含唐詩三百首的每一句，總共3223句唐詩。首先開啟Terminal視窗，改變目錄至ASRA的主目錄。

1. type mainProgram/vcLibFile testInputChinesechinese.vc.prm testInputChinese/朝辭白帝彩雲間01.wav testInputChinese/tangPoem3223.txt，辨識結果是『朝辭白帝彩雲間』。朝辭白帝彩雲間01.wav的唸法是『朝(ㄓㄠ)辭白(ㄅㄞˊ)帝彩雲間』，分數是84.8051。
2. type mainProgram/vcLibFile testInputChinesechinese.vc.prm testInputChinese/朝辭白帝彩雲間02.wav testInputChinese/tangPoem3223.txt，辨識結果是『朝辭白帝彩雲間』。朝辭白帝彩雲間01.wav的唸法是『朝(ㄔㄠˊ)辭白(ㄅㄛˊ)帝彩雲間』，分數是89.194。
3. type mainProgram/vcLibFile testInputChinesechinese.vc.prm testInputChinese/長安不見使人愁.wav testInputChinese/tangPoem3223.txt，辨識結果是『長安不見使人愁』，分數是89.8734。
4. type mainProgram/vcLibFile testInputChinesechinese.vc.prm testInputChinese/主人下馬客在船.wav testInputChinese/tangPoem3223.txt，辨識結果是『主人下馬客在船』，分數是96.3018。

[0] http://mirlab.org/jang/books/audioSignalProcessing/asraIntro.asp?title=20-1%20Introduction