¿Qué tan difícil es entrenar idiomas indios con CMUSphinx?

Escribo esto basado en mi conocimiento de construir un sistema de comando basado en voz hace 5 años usando pocketsphinx.

Lo primero que se necesita es un diccionario de idiomas que asigne las palabras del idioma a un conjunto de fonemas.

Entonces necesita construir un modelo de lenguaje que sea un modelo estadístico para ese idioma en particular. Esto requiere una gran cantidad de transcripciones de texto para ese idioma.

El último es el modelo acústico que modela cómo el discurso se convierte en fonemas. El esfuerzo requerido para hacer esto es subjetivo dependiendo de los dos idiomas que elija. Puede optar por los modelos predeterminados disponibles en Sphinx con algo de capacitación o elegir construir un modelo desde cero para cada idioma.

Una demostración en video de lo que habíamos logrado con el inglés acentuado indio. Utilizamos el modelo acústico predeterminado con algo de entrenamiento.

Nightingale Browser en acción en N900

Como es posible que ya haya visto la documentación disponible, no es tan difícil si tiene suficientes transcripciones de capacitación para construir el modelo acústico / fonético para el idioma específico.