将Lmtool合并到PocketSphinx中？

Question

我想创建一个简单的方法来将新关键字添加到PocketSphinx中。这个想法是有一个临时文本文件，可用于（通过脚本）添加一个字（或短语）自动添加到corpus.txt,dictionary.dic和language_model.lm。

目前最好的方法是使用lmtool，然后用更新后的版本替换上述文件。然而，这提出了三个问题：

1. Lmtool对于大型图书馆来说很慢，所以随着更多单词的添加，这个过程将呈指数级变慢。
2. Lmtool需要一个半可靠的互联网连接才能工作，我希望能够在离线状态下添加命令。
3. 这不是最有效的添加命令的方式，并且不会与我放在一起的设置一起使用。

我想什么，能够做的是（如果可能）使用/创建lmtool从一个临时的文本文件（input.txt）需要投入的离线版本对其进行处理，将内容打印成三个临时文本文件（dic.txt,lm.txt,corp.txt）。

最后一步将是运行一个脚本，将：

1. 就拿输出corp.txt并把它添加到corpus.txt结束。
2. 翻阅dictionary.dic并在dic.txt中添加新单词。
3. 以某种方式修改language_model.lm以包含lm.txt中的新术语。
4. 清除三个输出文件的内容。

我的问题是，如果有可能得到离线版本的lmtool，能够将结果输出到特定的文本文件？我知道可以自动化lmtool（根据他们的网站），但我希望能够在可能的情况下离线运行此过程。

另外，有没有人尝试过这样的事情之前，我可以用作指导？

我在树莓派上运行pocketsphinx，我知道它可能无法运行lmtool。我的计划是让lmtool在本地服务器上运行，并通过wifi/ethernet与pi同步文件。

任何帮助，将不胜感激。

Answer 1

你有几个选择，如果你想在树莓派在本地生成字典和语言模型（型号2B至少）

对于语言模型生成，您可以使用

1. CMUCLMTK或

2. SRILM（SRI语言建模工具箱）

要在Raspbian上编译SRILM，你需要调整一些文件。 就拿这里https://github.com/G10DRAS/SRILM-on-RaspberryPi

对于字典生成一看，你可以使用

1. Phonetisaurus与G2P模型得到here，或者
2. g2p-seq2seq（或者你可以自己使用phonetisaurus-cmudict-split产生FST）（序列 - to-Sequence G2P工具包）

g2p-seq2seq根据TensorFlow这是官方不支持树莓派。欲了解更多详情，请参阅Installing TensorFlow on Raspberry Pi 3

有关更多详细信息（用法，如何编译等...）请通过各自工具包的文档。