我正在使用狮身人面像将音频转换为文本,但找不到如何访问每个单词的置信度得分

我可以访问转录输出,但是无法获得模型背后的估计概率。这听起来很基础,但是我找不到合适的文档。我应该在下面添加什么?

test = sr.AudioFile(audio_file)
Recon = sr.Recognizer()

with test as source:
    test_audio = Recon.record(source)
text = Recon.recognize_sphinx(test_audio,language = 'en-US')```

最佳答案

当前版本的speech-recognition不返回置信结果。如果您查看implementation

def recognize_sphinx(...):
   ...
   # return results
   hypothesis = decoder.hyp()
   if hypothesis is not None: return hypothesis.hypstr
   raise UnknownValueError()  # no transcriptions available


您将看到仅返回文本结果(hypothesis.hypstr),而置信度位于hypothesis.prob中。一个快速的解决方法是在单独安装Pocketsphinx之后复制并粘贴entire method


  pip安装pocketsphinx

10-04 19:54