草稿:CMU Sphinx
 | 本草稿尚未提交審核
提交前，請先查閱維基百科不是什麼，以免犯下常見錯誤。 要讓草稿被接受，需要至少滿足以下要求：
我們強烈不鼓勵您創建與您自己、您所在的組織、其對手或其產品相關的條目。如果您仍要這麼做，請申報利益衝突。 注意：若您提交之後，本模板出現在頁面最下方，表示您已成功提交。
如何改善您的草稿
|  |
 |
| 程式語言 | Java |
|---|---|
| 作業系統 | Cross-platform |
| 類型 | Image library |
| 許可協議 | BSD-style[1] |
| 網站 | cmusphinx |
| 程式語言 | C |
|---|---|
| 作業系統 | Cross-platform |
| 類型 | Image library |
| 許可協議 | BSD-style |
| 網站 | cmusphinx |
CMU Sphinx，簡稱 Sphinx，是卡內基梅隆大學開發的一組語音識別系統的總稱。這些系統包括一系列的語音識別器（Sphinx 2 - 4）和一個聲學模型訓練器（SphinxTrain）。
在2000年，卡內基梅隆大學的 Sphinx 小組開源了幾個語音識別組件，包括 Sphinx 2，並在2001年開源了 Sphinx 3。這些語音解碼器附帶數個聲學模型以及應用程式，可用的資源也包括聲學模型訓練軟體、語言模型編譯軟體和一個 公有的的發音詞典 cmudict。
Sphinx 包括若干軟體系統，具體描述如下。
Sphinx
Sphinx 是一個連續語音、說話人獨立的識別系統，使用隱藏式馬可夫聲學模型(HMMS)和 N-gram。該系統由李開復開發。Sphinx 的特色是能夠分辨具有連續語音、識別說話者大詞彙量的可行性，而在當時（1986 年），這種可能性還存在爭議。Sphinx 現在僅具有歷史意義，因為其性能已被後續版本所超越。一篇存檔文章[2] 詳細描述了這個系統。
Sphinx 2
一個以性能與速度為導向的識別器，最初由黃學東在卡內基梅隆大學開發，並於2000年由Kevin Lenzo在LinuxWorld上以BSD風格許可證在SourceForge上發布為開源軟體。Sphinx 2專注於適合語音應用的實時識別。因此，它包含了端點檢測、部分假設生成、動態語言模型切換等功能。它被用於對話系統和語言學習系統中，也可以用於基於計算機的PBX系統，如Asterisk。Sphinx 2的代碼也被整合到許多商業產品中。目前它已不再積極開發（除例行維護外）。目前的實時解碼器開發正在Pocket Sphinx項目中進行。一篇存檔文章 詳細描述了這個系統。
Sphinx 3
Sphinx 2 使用半連續表示法進行聲學建模（即，所有模型使用同一組高斯分布，個別模型以這些高斯分布上的權重向量表示）。Sphinx 3 採用了流行的連續隱馬爾可夫模型（HMM）表示法，主要用於高精度、非實時的識別。最近的算法和硬體發展使得 Sphinx 3 能力接近實時傳輸，儘管尚不適合關鍵的互動應用。Sphinx 3 正在積極開發中，並且與 SphinxTrain 一起提供了多種現代建模技術，如 LDA/MLLT、MLLR 和 VTLN，這些技術提高了識別精度（有關這些技術的描述，請參見語音識別文章）。
Sphinx 4
Sphinx 4 是對 Sphinx 引擎的全面重寫，目的是提供一個更加靈活的框架以便進行語音識別研究，完全使用 Java 程式語言編寫。Sun Microsystems 支持了 Sphinx 4 的開發，並為該項目貢獻了軟體工程專業知識。參與者包括來自 MERL、MIT 和 CMU 的個人。（目前支持的程式語言有 C、C++、C#、Python、Ruby、Java 和 JavaScript。）
PocketSphinx
PocketSphinx 是 Sphinx 的一個版本，可以用於嵌入式系統（例如，基於 ARM 處理器）。PocketSphinx 正在積極開發中，並且包含了固定點運算和高效的 GMM 計算算法等特性。
See also
- Speech recognition software for Linux
- List of speech recognition software
- Project LISTEN
References
External links
- Sphinx developers recommend Vosk now
- CMU Sphinx homepage
- Sphinx' repository on GitHub should be considered the definitive source for code
- SourceForge hosts older releases and files
- NeXT on Campus Fall 1990 (This document is postscript format compressed with gzip.) Carnegie Mellon University - Breakthroughs in speech recognition and document management, pgs. 12-13