CMU Sphinx 4的解码速度问题

Question

我已经使用CMU sphinx 4编写了语音识别应用程序，并遵循了此链接中的详细信息。我对声学、词典和语言模型的定义如下

configuration.setAcousticModelPath("resource:/edu/cmu/sphinx/models/en-us/en-us");

configuration.setDictionaryPath("resource:/edu/cmu/sphinx/models/en-us/cmudict-en-us.dict");

configuration.setLanguageModelPath("resource:/edu/cmu/sphinx/models/en-us/en-us.lm.bin");

使用上述配置，20分钟的wav文件几乎需要20分钟来完成转录。因此，我尝试传递用户定义的config.xml.我没有找到配置管理器选项来传递用户定义的config.xml与当前版本的Sphinx4。然后，我通过扩展AbstractSpeechRecognizer.java类（可能没用）编写了自己的识别器，并更改了config.xml的一些参数，我尝试了一下，但仍然没有改进。

我下载了多源视频和音频，并使用FFMPEG将其转换为WAV文件

命令如下

ffmpeg -i input.mp3 -acodec pcm_s16le -ac 1 -ar 16000 output.wav

环境详细信息：

Java 8

Ubuntu 14.04

RAM 4GB

I5处理器

我想知道的是，我在这里缺少什么，以及如何提高性能？

Answer 1

语音识别是资源密集型过程。准确的语音识别预计会很慢，您当前的速度1xRT（1分钟需要1分钟解码）是合理的。有一些商业产品使用GPU的加速，可以运行在0.05xRT，但在CPU上，您通常运行速度不超过0.2xRT。所以你仍然需要花时间解码。

如果要更快地处理文件，可以将其拆分为多个部分，并在并行线程或并行计算机上分别对每个部分进行解码。