我正尝试在java项目中加入实时语音识别（最好是离线），通过搜索和尝试其他解决方案，我决定使用VOSK进行语音识别，然而，我遇到的主要问题是VOSK的文档很少，并且只有一个java示例文件，用于从预先录制的wav文件中提取文本，如下所示。
public static void main(String[] argv) throws IOException, UnsupportedAudioFileException {
LibVosk.setLogLevel(LogLevel.DEBUG);
try (Model model = new Model("src\\main\\resources\\model");
InputStream ais = AudioSystem.getAudioInputStream(new BufferedInputStream(new FileInputStream("src\\main\\resources\\python_example_test.wav")));
Recognizer recognizer = new Recognizer(model, 16000)) {
int nbytes;
byte[] b = new byte[4096];
while ((nbytes = ais.read(b)) >= 0) {
System.out.println(nbytes);
if (recognizer.acceptWaveForm(b, nbytes)) {
System.out.println(recognizer.getResult());
} else {
System.out.println(recognizer.getPartialResult());
}
}
System.out.println(recognizer.getFinalResult());
}
}我尝试将其转换为可以接受麦克风音频的内容，如下所示：
public static void main(String[] args) {
LibVosk.setLogLevel(LogLevel.DEBUG);
AudioFormat format = new AudioFormat(8000.0f, 16, 1, true, true);
TargetDataLine microphone;
SourceDataLine speakers;
try (Model model = new Model("src\\main\\resources\\model");
Recognizer recognizer = new Recognizer(model, 16000)) {
try {
microphone = AudioSystem.getTargetDataLine(format);
DataLine.Info info = new DataLine.Info(TargetDataLine.class, format);
microphone = (TargetDataLine) AudioSystem.getLine(info);
microphone.open(format);
microphone.start();
ByteArrayOutputStream out = new ByteArrayOutputStream();
int numBytesRead;
int CHUNK_SIZE = 1024;
int bytesRead = 0;
DataLine.Info dataLineInfo = new DataLine.Info(SourceDataLine.class, format);
speakers = (SourceDataLine) AudioSystem.getLine(dataLineInfo);
speakers.open(format);
speakers.start();
byte[] b = new byte[4096];
while (bytesRead <= 100000) {
numBytesRead = microphone.read(b, 0, CHUNK_SIZE);
bytesRead += numBytesRead;
out.write(b, 0, numBytesRead);
speakers.write(b, 0, numBytesRead);
if (recognizer.acceptWaveForm(b, numBytesRead)) {
System.out.println(recognizer.getResult());
} else {
System.out.println(recognizer.getPartialResult());
}
}
System.out.println(recognizer.getFinalResult());
speakers.drain();
speakers.close();
microphone.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}这看起来是正确的捕获麦克风数据正确（因为它也输出到扬声器），但VOSK显示没有输入，不断打印结果为空字符串。我做错了什么？我正在尝试甚至可能吗？我应该尝试找到一个不同的库语音识别？
2条答案
按热度按时间mzaanser1#
这个代码工作正确为我你可以使用这个：
toiithl62#
我没有得到任何来自Squalmals或user 11370465的代码片段。
当使用您自己的音频文件时，请确保它具有正确的格式- PCM 16 khz 16 bit单声道。
下面的代码可以在我的系统Linux Mint 20和OpenJDK 11上运行。
另外，JNAVosk Package 器对我来说并不是开箱即用的，我不得不在www.example.com中LibVosk.java进行更改
到
总的来说，与我试用过的其他离线语音识别工具相比，Vosk语音识别工具包似乎工作得很好。（还没有试用过CMUSphinx。）不过Vosk确实需要更好的文档和/或代码注解。