Das gleiche suche ich auch schon seit ein paar Tagen. Bisher habe ich Sphinx4 und FreeTTS gefunden. Beides sind Java-Implementierungen und Sphinx scheint im Gegensatz zu FreeTTS ziemlich häufig aktualisiert zu werden. Das einzige Problem, das ich habe, ist, dass Sphinx Probleme hat, mich in einer Büroumgebung zu verstehen, und ich brauche eine Lösung für eine Lagerumgebung.
Hauptsächlich Java:http://cmusphinx.sourceforge.net/html/cmusphinx.php
Sie können vPass (Voice-Passwort) von http://www.basic-signalprocessing.com herunterladen.
Die Komponenten sind für die Sprache Java und .Net ausgelegt. Die Erkennungsdauer beträgt 5 Sekunden. VPass ist gut getestet vText ist nicht, noch neu, deshalb noch nicht verpackt.
Sphinx ist bei weitem die beste verfügbare Option, wenn Sie ein begrenztes Budget haben. Sie macht jedoch auch riesig unterscheiden, welche Modelle Sie verwenden, wie Sie sie einstellen und wie Sie Ihre Audioquelle einstellen. Es muss einfach alles passen, sonst geht es nicht. Angesichts des von Ihnen beschriebenen Problems bin ich bereit, eine beträchtliche Summe darauf zu setzen, dass Sie Ihre Modelle verwechselt haben und Ihr Mikrofon nicht richtig kalibriert ist. Auch wenn Sie einen Akzent haben, wird es wahrscheinlich nicht funktionieren - dies ist kein Problem mit dem Decoder, sondern mit den akustischen Modellen - wenn niemand mit einer Stimme/einem ähnlichen Akzent wie Ihrer in den Trainingsdaten enthalten war, erhalten Sie schlechte Ergebnisse .
Haben Sie sich die Seite mit den Open-Source-Modellen angesehen?
http://www.speech.cs.cmu.edu/sphinx/models/
Je nachdem, was Sie versuchen, sollten Sie mit den 16-kHz-WSJ-Modellen und dem Gigaword-LMs-NVP eine Genauigkeit von etwa 90 % bei freier Rede erreichen können. Ich warne jedoch davor, dass ASR ein gewaltiges Unterfangen ist und noch nicht den Standardstatus erreicht hat.