Julius は数万語彙が登録されている汎用辞書がありますが、かんたんな挨拶や音声によるコマンド操作を行いたい場合、専用の辞書を作成したほうが認識率およびパフォーマンスが上がります。
Julius の辞書はコンパイルする必要があります。コンパイル環境は 32bit の Linux か Windows です。ここでは Ubuntu 16.04 Server 32bit LTS を使用します。
- 以下より ubuntu-16.04.1-server-i386.iso をダウンロードして使用しています。
- インストール時に OpenSSH server を有効にしています
- インストール後、特に
apt-get update等は行っていません
環境設定
Julius の grammar-kit は以下よりダウンロード可能です。
Git と ZIP があります。今回は ZIP を使用します。
$ sudo apt-get install unzip
$ sudo apt-get install libasound2
$ wget -c https://github.com/julius-speech/grammar-kit/archive/v4.3.1.zip
$ unzip v4.3.1.zip
$ chmod a+x grammar-kit-4.3.1/bin/linux/*
$ echo "export PATH=$PATH:~/grammar-kit-4.3.1/bin/linux" >> .bash_profile
$ source .bash_profile
$ mkdir ~/dict
辞書コンパイルの事前知識
Julius が返してくる結果の文字コードは、辞書ファイルの文字コードが適用されます。
つまり、プログラムが UTF-8 を期待しているなら辞書は UTF-8 で、EUC-JP を期待しているなら辞書は EUC-JP で保存しておく必要があります（Julius の起動オプション -charconv でコンバートすることも可能）。ただし、Linux 版の grammar-kit は入力に EUC-JP を期待しているため EUC-JP 以外を扱いたい場合は iconv で変換する必要があります。
改行コードは ¥n 固定です。
辞書コンパイル
ここでは辞書関連ファイルは ~/dict というディレクトリに保存するものとします。
以下の語彙を辞書として採用したいとします。
おはよう
おはようございます
こんにちは
こんばんは
音素列へのコンパイル
この辞書に読みをつけて以下のように保存します。
おはよう おはよう
ございます ございます
こんにちは こんにちわ
こんばんは こんばんわ
語彙と読みをタブ文字で区切ります。語彙は漢字や英数字混じりで良いですが、読みはすべてひらがなです。また、「こんにちは」は読みとして「こんにちわ」となることに注意が必要です。「おはよう」と「おはようございます」は構文定義で同一視するので、ここでは分解しています。
このファイルを以下のコマンドで音素列にコンパイルします。
$ BASENAME=greeting
$ iconv -f utf8 -t eucjp ~/dict/$BASENAME.yomi | yomi2voca.pl | iconv -f eucjp -t utf8 > ~/dict/$BASENAME.phone
以下のようなファイルができあがります。
おはよう o h a y o u
ございます g o z a i m a s u
こんにちは k o N n i ch i w a
こんばんは k o N b a N w a
構文の定義
構文を定義します。今回は以下のようになります。
S : NS_B GREET NS_E
GREET : OHAYOU
GREET : OHAYOU GOZAIMASU
GREET : KONNICHIWA
GREET : KONBANWA
S は文章を表します。NS_B が開始、NS_E が終了でその間に GREET があり、GREET は OHAYOU だったり KONBANWA だったりする、という具合です。S は複数定義することができ、例えば S : NS_B NAME GREET NS_E などと追加定義し、NAME に「キット1」や「ジャービス2」などと定義すれば、ロボットに対する呼びかけの後の挨拶も認識するようになります。
語彙の定義
語彙を定義します。今回は以下のようになります。
% OHAYOU
おはよう o h a y o u
% GOZAIMASU
ございます g o z a i m a s u
% KONNICHIWA
こんにちは k o N n i ch i w a
% KONBANWA
こんばんは k o N b a N w a
% NS_B
[s] silB
% NS_E
[/s] silE
% の後に構文で指定した定義を書き、定義の語彙と音素列を並べていきます。この語彙と音素列は yomi2voca.pl の出力を使用しますが、このファイルの区切り文字はスペースなので、タブをスペースに変換する必要があります。今回はひとつの定義にひとつの語彙しかありませんが、例えば OHAYOU に おはよー o h a y o: を追加したり、GOZAIMASU に ございまーす g o z a i m a: s u を追加することで認識率が上がるかもしれません。また、英語対応したい場合には OHAYOU に グッドモーニング g u q m o: n i N を追加してもよいです。
NS_B と NS_E は Julius の標準では <s> と </s> が用いられています。一方で Julius のモジュールモードでは XML で結果を返してくるのですが、語彙はエスケープされません。つまり、XML パーサによっては語彙が <s> や </s> だとパースエラーになる3ため、他の語彙を採用することをおすすめします。ここでは [s] と [/s] としました。
オートマトンと単語辞書へのコンパイル
以下のコマンドでコンパイルします。
$ mkdfa.pl dict/greeting
dict/greeting.grammar has 5 rules
dict/greeting.voca has 6 categories and 6 words
---
Now parsing grammar file
Now modifying grammar to minimize states[-1]
Now parsing vocabulary file
Now making nondeterministic finite automaton[5/5]
Now making deterministic finite automaton[5/5]
Now making triplet list[5/5]
6 categories, 5 nodes, 7 arcs
-> minimized: 5 nodes, 7 arcs
---
generated: dict/greeting.dfa dict/greeting.term dict/greeting.dict
.grammar と .voca のベースファイル名を指定します。うまくいくと上記出力のように .dfa、.term、.dict が同一ディレクトリに生成されます。
できあがった辞書を使用する場合には、例えば以下のように指定します。
$ ALSADEV="plughw:1,0" julius -C ~/dictation-kit-v4.4/am-gmm.jconf -nostrip -gram ~/dict/greeting -module
-gram で辞書のベースファイル名を指定します。環境変数やパスは実行環境によって変わるので注意してください。