Sie sind nicht angemeldet.

1

29.11.2005, 12:37

spracherkennung

hi bin mir nicht sicher ob das hier richtig ist.
Also hat von euch schon jemmand versucht ein spracherkennungs-software zu
installieren?Giebt es sowas überhaubt für linux habe schon ibm viavoice gesucht giebt es aber anscheinend nichtmehr für linux.Also kann mir da einer weiterhelfen?
Bei google find ich einfach nichts mehr :(

2

29.11.2005, 13:19

Auf anhieb hab ich mal das gefunden, vielleicht hilft es dir weiter:

Quellcode

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
*  app-accessibility/SphinxTrain
      Latest version available: 0.9.1-r1
      Latest version installed: [ Not Installed ]
      Size of downloaded files: 458 kB
      Homepage:    http://cmusphinx.sourceforge.net/html/cmusphinx.php
      Description: Speech Recognition (Training Module)
      License:     BSD as-is

*  app-accessibility/sphinx2
      Latest version available: 0.4
      Latest version installed: [ Not Installed ]
      Size of downloaded files: 6,421 kB
      Homepage:    http://fife.speech.cs.cmu.edu/sphinx/
      Description: CMU Speech Recognition-engine
      License:     BSD as-is


Ich selbst hab unter Linux noch keine Erfahrungen mit Spracherkennung
vita somnium breve

amielke

unregistriert

3

02.12.2005, 14:42

borgelite,

ich glaube da kannst erst mal aufhören weiter zu suchen.

Hatte mich auch schon vor längeren mit Spracherkennung auseinandergesetzt, aber es gab zu der zeit keine Lösungen die verwendbar waren.

Ob sich jetzt was geändert habe kann ich Dir nicht sagen.

Es gibt wohl ein paar Programme die funktionieren sollen, aber den muss man erst alles beibringen und das währe mir zu viel arbeit.

Werde aber wenn ich Zeit habe nochmal dannach suchen bei google.


Gruß Andreas

4

06.01.2006, 13:24

ja das wäre super habe inzwischen mal das sphinx ausprobiert nur weis ich leider nicht wie man es trainieren soll wenn ich das simple demo starte erkennt er nur die englischen wörter wenn überhaubt.Die erkennung läst zu wünschen übrig.Wenn ich nur wüste wie man das teil trainiert.

amielke

unregistriert

5

07.01.2006, 09:28

Hallo,

ich hatte nochmal gesucht. Es scheint aber imer noch so zu sein das es für Linux nichts gibt was wirklich was taugt.

Da werden wir wohl noch warten müssen.

Viele Grüße

6

11.01.2006, 20:37

Sphinx kenne ich zwar nicht,
aber nur allgemein zur Info!

Es wird in nächster Zeit keine Spracherkennung geben, die man nicht trainieren muss.
Man muss in jedes Programm leider sehr viel Zeit vorher reinstecken.
Die Erkennung ist dann auch abhängig von der Umgebung und vor Allem dem Sprecher!
Sollte sich an der Umgebung was ändern (es reicht oft schon das Fenster auf zu machen oder den Vorhang zu zu ziehen), muss neu trainiert werden.
Da Erkenner ein Akkustik-Modell besitzen, ist die Ausprache wichtig; diese ist abhängig von der Sprache. Einen englischen Spracherkenner kann man demnach nicht für deutsche Wörter einsetzen. Als nicht Englisch-Muttersprachler bekommt der Erkenner auch seine Problemchen, da ein Deutscher nur selten eine perfekte Ausprache (damit meine ich nicht Oxford-Schul-Englisch) hat. Franzosen haben es da noch schwerer, da wird der Erkenner total in die Knie gehen.

Normalerweise gibt beim Training der Erkenner einen Text vor, den man laut lesen muss. Dies nutzt das Programm, um die Umgebunggeräusche zu erkennen und zu filtern und Sprechertypische Merkmale, wie Tonhöhe,... zu meistern. Wie man das bei Sphinx macht, weiß ich leider nicht.
83,4% aller Statistiken sind frei erfunden!

Dieser Beitrag wurde bereits 1 mal editiert, zuletzt von »Star.K« (11.01.2006, 20:39)


7

25.10.2014, 13:37

Mal was zur Sprachausgabe hinten drann:
Ist zwar schon sehr lange her, aber das hilft vielleicht den einen oder anderen:

Quellcode

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
#!/bin/sh
#
# mkulawmsg/speak   (C) 2000 Malte J. Wetz <mail@malte-wetz.de>
#
# If called as "mkulawmsg", this script will generate an
# ulaw-encoded audio stream from a plain text file. This stream can
# be used with vbox3.
#
# If called as "speak", it will pretty much do the same. But instead
# of recoding it for vbox, it will play the audio using aplay from
# ALSA.
#
# It requires "mbrola", "txt2pho" and "sox" to be installed and
# configured correctly on your system.
# You can download mbrola from here:
#      http://mambo.ucsc.edu/psl/mbrola/
# There is also a link to txt2pho.
#
#
# NOTE: I discovered that mbrola appearently does not work together
#       with newer glibc (ver 2.3 and higher). As a workaround, I am
#	using the uClibc from http://www.uclibc.org. However, this
#	causes problems with pipes so that 
#	'cat test.pho | mbrola - out.wav' does not work.
#	As a workaround for that, I set up a cache that buffers the
#	pho and audio as normal files. That works.
#

##############################################################################
# SETTINGS: Change the following parameters to meet your requirements.
# If you don't know what you're doing, just don't do anything or at 
# least keep a backup!
##############################################################################

# Full path of mbrola binary
MBROLA=/usr/bin/mbrola

# Full path to mbrola voices
VOICEPATH=/usr/share/mbrola

# mbrola default voice to use with this script (without path!)
# Can be changed on command line via "-v".
VOICE=de5

# Full path to txt2pho binary
TXT2PHO=/usr/local/bin/txt2pho

# Full path of preproc binary (which is part of txt2pho)
PREPROC=/opt/bin/preproc

# Parameters for preproc. Specify Rules and abbreviations files
# (both are part of txt2pho).
PPPARAMS="/opt/mbrola/preproc/Rules.lst \
/opt/mbrola/preproc/Hadifix.abk"

# Full path of numfilt binary (which is part of txt2pho)
# NUMFILT=/usr/local/bin/numfilt

# Full path of pipefilt binary (which is part of txt2pho)
PIPEFILT=/opt/bin/pipefilt

# Full path of sox binary
SOX=/usr/bin/sox

# Parameters for sox. Please note that the input sampling rate
# ("%SR") will be replaced by the script. This is because different
# voices output different sample rates.
# Also note, that if $BASENAME is "mkulawmsg", output will be
# vbox-compatible and be written to stdout. If $BASENAME is "speak",
# output will be written to /dev/audio.
SOXPARAMS="-t raw -sw -r %SR - -t ul -r 8000 -"

# Here, you can specify which voice produces what output sampling
# rate (see above).
# Format is: "<voice>:<rate> [...]". 
RATES="de1:16000 de2:16000 de3:22050 de4:16000 de5:22050 de6:22050 de7:22050"

# Set a default input sampling rate that will be applied if none
# of the entries above match.
DEFAULTRATE="111025"

# Give your path to aplay here
#PLAY="/usr/bin/esddsp /usr/bin/aplay"
PLAY=/usr/bin/aplay
#PLAY=/usr/bin/play

# Specify what is neccessary to play the resulting audio stream
# (see SOXPARAMS above for details).
# currently only for aplay 0.9.x

PLAYPARAMS="-t raw -f S16_LE -r%SR -q"		# use this for 'aplay'

#PLAYPARAMS="-t raw  -r %SR -f s -"		# use this for 'play'

# Where should the lockfile be placed?
LOCKFILE=/tmp/speak.lck

# Where to cache the files?  In the cache directory, speak will
# store .pho and .raw files and use no pipes (see NOTE above).
# The directory will be created if it does not exist and removed
# when not needed anymore. Leave blank for no cache.
CACHE=/tmp/speak.$$.cache

##############################################################################
# END OF SETTINGS: There should be nothing to change below this point!
##############################################################################

# Never change those two!
BASENAME=`basename $0`
VERSION="2.3.7"

# Evaluate command line options
while getopts hapnv:l: switch; do
  case "$switch" in
    a) cmd="$cmd | $PREPROC $PPPARAMS"	;;
    p) cmd="$cmd | $PIPEFILT"		;;
    n) cmd="$cmd | $NUMFILT"		;;
    v) VOICE=$OPTARG			;;
    l) LOCKING=$OPTARG			;;
    h) cat<<EOF
$BASENAME $VERSION  (C) Malte J. Wetz <mail@malte-wetz.de>

DESCRIPTION
  If called as "mkulawmsg":
    Script that will use a 3rd party TTS system to generate an ulaw
    encoded voice stream from plain text. Text is taken from stdin.
    Resulting audio is compatible with vbox3 and written to stdout.
  If called as "speak":
    Script will work as above, but instead of converting the resulting
    voice stream to vbox3-Format, it will use a customizable audio
    player to send it directly to the sound card.

USAGE
  $BASENAME [OPTIONS]

PARAMETERS
  -h      Display this screen and exit
  -p      Will remove any newline characters from pipe and add breathe
          pause at punctuation marks (use pipefilt).
  -n      Speak digits as full numbers (use numfilt).
  -a      Replace some default abbreviations with full text
          (use preproc).
  -v xxx  Use Mbrola voice xxx for synthesis (default: $VOICE).
  -l n    If another instance of �$BASENAME -l� is running, wait max. n sec.
          for it to finish, then exit. Prevents more than one $BASENAME talking
	  at the same time.

NOTES
  - Options are order sensitve. I.e., if you specify "-n -a" then first numbers
    will be filtered, then abbreviation. $BASENAME therefore will not say
    dates correctly. Instead, specify "-a -n".
EOF
    exit
    ;;
  esac
done

# Check for txt2pho config files
[ -r "/etc/txt2pho" -o -r "$HOME/.txt2phorc" ] || {
  echo "Error. Neither /etc/txt2pho nor ~/.txt2phorc ($USER) found."
  echo "Synthesis will fail. Exit now."
  exit 1
}

# Replace the input sample rate based on selected voice.
for i in $RATES; do
  v=`echo $i | cut -d ':' -f 1`
  r=`echo $i | cut -d ':' -f 2`
  
  [ "$v" = "$VOICE" ] && SR="$r"
done
[ -z "$SR" ] && SR=$DEFAULTRATE

# Based on name of script, decide what postprocessor to use
case "$BASENAME" in
  mkulawmsg)
    PP=$SOX
    PP_PARAMS=`echo $SOXPARAMS | sed -e "s/%SR/$SR/g"`
    unset CACHE
  ;;
  speak)
    PP=$PLAY
    PP_PARAMS=`echo $PLAYPARAMS | sed -e "s/%SR/$SR/g"`
  ;;
esac

# check for lock file...
[ -z "$LOCKING" ] || {
  # check if lockfile is stale...
  [ -e "$LOCKFILE" ] && {
    ps -p `cat "$LOCKFILE"` > /dev/null 2>&1 || {
      echo "Warning: stale lockfile "$LOCKFILE" found, removed"
      rm -f "$LOCKFILE"
    }
  }
  
  # wait for lockfile to be removed by other instance...
  while [ -e "$LOCKFILE" ]; do
    sleep 1
    count=$(($count + 1))
    [ "$count" -ge "$LOCKING" ] && {
      echo "Error: Waited $LOCKING seconds for other instance to finish, but lockfile is still"
      echo "present. Giving up...."
      exit 1
    }
  done
}

[ -z "$LOCKING" ] || echo $$ > $LOCKFILE


# use the cache, is set
if [ -z "$CACHE" ]; then
  # Assemble the final command without cache and execute it
  cmd="cat $cmd | $TXT2PHO | \
    $MBROLA ${VOICEPATH}/${VOICE}/${VOICE} - -.raw | $PP $PP_PARAMS"
  
  eval $cmd
else
  # create cache dir if neccessary
  [ -d "$CACHE" ] || mkdir -p "$CACHE"
  
  # Assemble the final command with cache and execute it
  cmd="cat $cmd | $TXT2PHO > $CACHE/out.pho; \
    $MBROLA ${VOICEPATH}/${VOICE}/${VOICE} $CACHE/out.pho $CACHE/out.raw; \
    $PP $PP_PARAMS $CACHE/out.raw"
  
  eval $cmd
  
  # remove cache
  rm -rf "$CACHE"
fi

[ -z "$LOCKING" ] || rm -f "$LOCKFILE"

exit

Das Teil arbeitet sehr gut mit mbrola zusammen. Da kann man dann Dinge wie

Quellcode

1
echo "Willkommen zuhause!" | speak

absetzen.
Gentoo Can Do!
>>>> boospy@jabber.ccc.de <<<<
Wiki auf: http://deepdoc.at

8

25.10.2014, 14:47

Also hat von euch schon jemmand versucht ein spracherkennungs-software zu
installieren?Giebt es sowas überhaubt für linux habe schon ibm viavoice gesucht giebt es aber anscheinend nichtmehr für linux.Also kann mir da einer weiterhelfen?

Gegenfrage. Was willst du machen? Briefe diktieren oder den PC steuern? Zum steuern des PC gibt es was. Das wäre einmal das schon erwähnte sphinix aber auch julius und simon als GUI. Letzteres ist aber eher zum steuern eines PC gedacht. Zum diktieren, also richtig für Briefe, eMails usw. soll sphinix besser sein.

Quellcode

1
2
3
4
5
6
7
8
9
10
11
12
13
14
* app-accessibility/sphinx3
     Available versions:  ~0.6.3 ~0.8 {doc python static-libs}
     Homepage:            http://cmusphinx.sourceforge.net/
     Description:         CMU Speech Recognition engine

* app-accessibility/julius
     Available versions:  4.2.2 {+alsa oss portaudio pulseaudio sndfile}
     Homepage:            http://julius.sourceforge.jp/
     Description:         Large Vocabulary Continuous Speech Recognition Engine

* app-accessibility/simon
     Available versions:  0.4.0 0.4.1 {kdepim libsamplerate nls opencv sphinx}
     Homepage:            http://simon-listens.org/
     Description:         Open-source speech recognition program for replacing mouse and keyboard



Suchst du aber eine professionelle Lösung wie Dragon dann vergiss es. Dragon ist schon über 10 Jahre alt und ersetzt immer noch keine Sekretärin und üben muss man da auch fleißig. Komischer weise gibt es diese Programme für Mac OS und manche für Android, aber wirklich nix für Linux. Einzige Ausnahme ist eine WEB API von Goggle.
Intel Core2 Quad CPU @ 2.40GHz mit Gentoo/Gnome3

Eigenes Gentoo System auf CD oder USB

9

25.10.2014, 19:53

Äm Jungs, das Thema ist schon fast 8 Jahre alt ... 8|
Und es ging um Spracherkennung und nicht um Sprachausgabe :whistling:
Auch wenn Open-Source kostenlos ist, ist sie nicht umsonst. Dein Preis ist Dein Engagement und Mitarbeit an OS-Projekten.
Wenn Du keinen Preis bezahlen willst, bist Du die Ware. Und das ist nicht Open Source, geschweigedenn frei.

10

25.10.2014, 22:55

Sorry Bell, hast ja Recht... ich mach nen neuen Thread und trag mal alles zusammen was ich hab.
Gentoo Can Do!
>>>> boospy@jabber.ccc.de <<<<
Wiki auf: http://deepdoc.at