Пишу программу для распознавания речи

Оно использует свой велосипед или банально гугловский сервис?

Назвал Дельфин

занято давно уже

opnsrcprgrmfrrc

э-э-э...

которая будет распознавать речь и печатать в чате с произнесенных слов.

Я в этом почти ничего не понимаю, но сейчас у тебя там сравнение картинок. Допускаю, что для распознавания десятка-двух фраз подход сгодится, но чем дальше, тем будет труднее отличать.

Оно жестоко забыдлокожено, автор явно скомуниздил чужой код, ибо есть классы, которые написаны нормально. Использует нечто, в виде обучаемого алгоритма, с базой в виде битмапов.

Description

Open Source Programm for Recognizing Sounds.

More sounds - more recognizing.

May be in learning mode.

If you have any qwestions:

Skype: dov_php_programmer

Меня одолевают сомнения насчет авторства кода.

Да, два велосипеда.

Первый это Cell и CellManager

Допустим, у вас есть две последовательности чисел

10, 20, 30, 40, 50 и 11, 19, 30, 44, 50

Эти последовательности при отображении, скажем на графике дадут примерно подобные линии

Вопрос, как запрограммировать программу, чтобы она эти две последовательности посчитала равными?

На помощь придет объект Cell - ячейка и такая присказка: у любой ячейки есть и начало и конец.

Итак, объект Cell имеет два поля s и f

Создаем 5 объектов Cell на основе первой последовательности

Вот они: (10,10)(20,20)(30,30)(40,40)(50,50)

Объект Cell также имеет метод eql, который возвращает истину, если входной параметр помещается между граничными значения s и f (включительно)

Таким образом, после инициализации 5 ячеек первой последовательностью и сравнении в цикле этих ячеек с каждым элементом

второй последовательности получим 40% совпадение между двумя последовательностями.

Но что будет, если под чутким руководством оператора, одна из ячеек изменит свое значение?

(10,11) <- эта (20,20)(30,30)(40,40)(50,50)

Теперь при сравнении в цикле этих ячеек с каждым элементом второй последовательности получим уже 60% совпадение между двумя последовательностями.

Такое изменение возможно при вызове метода learning нашего объекта Cell.

В этом методе входной параметр сравнивается с граничными условиями и если он меньше s то s присваивается входной параметр. Если он больше f то f присваивается входной параметр.

Так происходит обучение ячейки на распознавание близко лежащих значений.

Обучив все ячейки добиваемся 100% результата распознавания наших двух последовательностей, как похожих между собой.

Более того, если подать на вход третью подобную последовательность то также получим результат близкий к 100%

Состояние ячеек после обучения можно сохранять, за это и другие операции с нашими ячейками отвечает объект CellsManager.

Это: первичная инициализация ячеек, сравнение входящего образца с ячейками, обучение ячеек и сохранение обученных ячеек.

Используя классы CellsManager и Cell я и написал простенькую обучаемую демо-программу распознавания речи и разместил ее на sourceforge.net

Думаю что подобная программная конструкция может оказаться весьма полезной при разработке программ распознавания образов ========================================

Второй это встроенная в программу консоль.

Две программы могут взаимодействовать друг с другом отдавая друг другу команды через свои консоли. Также возможен вариант общей консоли в которую разные программы пишут сообщения друг другу по определенному протоколу. Т.е. консоль представленного типа необходима не для человека, а для самой программы. Так, например, можно сделать проигрыватель команд, который исполнит для нас симфонию скриптов

Сравнение картинок для наглядности. В общем и целом алгоритм выглядит так:

Я сейчас делаю так: Получаю массив байт из TargetDataLine Это один фрейм Потом отсеиваю шум и получаю красивую синусоиду для ноты Создаю BufferedImage для наглядности длина рисунка = длине массива байт высота рисунка = 256 Значение byteArray это красная точка с координатами i, byteArray Так вот записываю звук в картинках)

После этого, создаю массив ячеек Cell длиной исходного массива байт Каждую ячейку инициализирую так: Cell = new Cell( byteArray, byteArray)

Получаю массив ячеек. Их записываю тоже в картинку так: длина рисунка = высоте рисунка = корню квадратному из длины массива байт

Далее делаю в цикле перебор по ячейкам, и по координатам i, j вывожу точку с цветом, несущим информацию об обоих значениях ячейки вот так:

Code: view sourceprint?

//g типа Graphics картинки

Cell temp = cells[w*j+i];

int r = temp.sv;

int b = temp.sf;

Color c = new Color(r,0,b);

g.setColor(c);

g.drawLine(i,j,i,j);

В итоге получается память для набора ячеек, визуально представленная картинкой с фиолетовым узором

Dorozhko Oleg Vladimirovich = dov

PHP? Я и на php програмлю

В коде действительно использованы чужие фрагменты но только которые опен соурс для не коммерческого использования

В общем, ты строишь границы и проверяешь, влезает в них семпл или нет.

Твоя проблема в том, что пока семплов мало (один-два), у тебя получатся данные вроде:

         x
        x  x
      x      x
      x       xx                      xx
    x           xx                  x    x                 xx
   x    xxxxx                    x         x              x
     xxxx xxxxx   x            x            x           x
    xx        xx   x           x              x        x
   xx          xx    x       x       xx        x      x
  xx            xx     x x x       xx  x xxx    x x x      xx
  x              xx              xx         xx            xx
                   xx          xx             xx          x
                     x       xx                 xx      xx
                     xxx    xx                    xxxxxx
                        xxxxx

И всё вроде круто. Ты говоришь «Привет» и оно опознаёт. Но когда семплов станет много (а их надо много, так как люди разные) у тебя будет что-то вроде:

                                                            xx
      xxxxxxxxxxxxxxxxxxxxx          xxxxxxxx  xxxx    xxxxx  xxxxx    x
    xx                xxx  xxxxxxxxxx        xx    xxxx            xxxx x











         xxxxxxxxx           xxxxxx       xxxxx           xxxxxx
     xxx          xxx     xxx      xx   x      xxx     xxx      xxxx   xxxx
                     xxxxx           xxx          xxxxx             xxxx

И уже под этот шаблон весело подойдут и «Привет» и «Вася» и прочее.

Ещё ты забыл отрабатывать смещения. Ну и вообще заточено под единственного пользователя.

Ты все верно говоришь, Ринат. Я сам обдумываю все эти моменты. Сейчас работаю над улучшением алгоритма записи фреймов и сравнения. Ключевые слова для версии 2.0 это: промежутки и масштабирование

один байт промежутка превращается в селл(2в16,2в16)

берем промежутки между значениями входного массива байт ba-ba[i-1] Порядок не имеет значения ведь каждый селл сравнивается с каждым промежутком, а значит смещение нивелируется. А при масштабировании промежутки Васи и Привета наверное будут различаться Но тут нужны испытания. И блин, я себя новым Теслой чувствую. Я не хочу тянуть это в одиночку, понимаешь? Я хочу найти тех, кому интересно вместе сделать этот проект.

без обид, но какое у тебя образование? Понятие «О большое» знакомо?

10, 20, 30, 40, 50 и 11, 19, 30, 44, 50
Эти последовательности при отображении, скажем на графике дадут примерно подобные линии
Вопрос, как запрограммировать программу, чтобы она эти две последовательности посчитала равными?

man coherence (statistics). Тхреад не читал.

Нет, посмотрел в википедии ничего не понял, ты о чем?

ты о чем?

О быстродействии алгоритмов.

Закон Мура

Закон Мура

До встречи в 2042-м.

Ага, опережаю время

На самом деле все тут (ну и я в их числе) просто тебе завидуют. Из-за этого все придирки.

Нашел ошибку в своем коде: У объекта Cell должен быть id В этом случае можем получить последовательность промежутков которая почти однозначно описывает входной сигнал т.е. исходный массив байт. Например: 10 40 70 120 150 промежутки: 30, 30, 50, 30 последовательность 1 2 3 4 ----------------------- Допустим сигнал сдвинут: 50 10 40 70 120 промежутки 40, 30, 30, 50 вычисленная последовательность 1, 2, 3, 5 -------------------- Итого получаем 1,2,3,4 и 1,2,3,5 т.е. 75% совпадение Осталось только внести изменения в алгоритм

Распарсил название как Opn Src Prg rm fr rc - Опенсорсная программа для rm -fr :)

Фу... на зачем раром то жать?

Ага, удалить после ознакомления и написать свою версию)

зачем велосипедить если есть http://cmusphinx.sourceforge.net/ ?

Фу... на зачем раром то жать?

открой для себя http://packages.debian.org/wheezy/unar

А почему не на github?

да не, унрар у меня есть... просто не понимаю это пристрастие к проприатерному архиватору... если бы он был быстрее/лучше сжимал... а так.. странно просто. :)

Во-во, и я о том же.

Он и архивировать сам умеет текущий срез репозитория :) да и git clone никто не отменял.

унрар

не unrar, а unar. Меня до сих пор терзают смутные сомнения о легальности поддержки в нём rar'а, но тем не менее, лицензия LGPL-2.1+.

комбайн. и зачем?

Если честно, ни слова не уловил. Какой подход к распознаванию используется? структурный? нейронные сети? вероятностный? цепи Маркова?

если «можно обучать», то наверное нейронные сети, да?..