Linux用のまともな音声認識ソフトウェアはありますか？

質問の短縮版：Linuxで実行され、まともな精度と使いやすさを備えた音声認識ソフトウェアを探しています。ライセンスと価格は問題ありません。テキストを口述できるようにしたいので、音声コマンドに限定されるべきではありません。

詳細：

私は満足して次のことを試しました：

• CMUスフィンクス
• CVoiceControl
• 耳
• ジュリアス
• Kaldi（Kaldi GStreamerサーバーなど）
• IBM ViaVoice（Linuxで実行されていましたが、数年前に廃止されました）
• NICO ANNツールキット
• OpenMindSpeech
• RWTH ASR
• 叫ぶ
• silvius（Kaldi音声認識ツールキット上に構築）
• サイモンは聞く
• ViaVoice / Xvoice
• ワイン+ドラゴンNaturallySpeakingの + NatLink + トンボ + イトトンボ
• https://github.com/DragonComputer/Dragonfire：音声コマンドのみを受け入れます

上記のネイティブLinuxソリューションはすべて、精度と使いやすさの両方が劣っています（または、一部はフリーテキストのディクテーションを許可せず、音声コマンドのみを許可しています）。精度が低いということは、他のプラットフォーム用に以下で言及した音声認識ソフトウェアの精度よりもかなり低い精度を意味します。Wine + Dragon NaturallySpeakingに関しては、私の経験ではクラッシュし続けており、残念ながらそのような問題を抱えているのは私だけではないようです。

Microsoft WindowsではDragon NaturallySpeakingを使用し、Apple Mac OS XIではApple DictationとDragonDictateを使用し、AndroidではGoogle音声認識を使用し、iOSでは組み込みのApple音声認識を使用します。

Baidu Researchは昨日、トーチで実装されたConnectionist Temporal Classificationを使用した音声認識ライブラリのコードをリリースしました。以下のスクリーンショットに示すように、Gigaomのベンチマークは勇気づけられますが、かなりのコーディング（および大きなトレーニングデータセット）なしで使用できるようにするための適切なラッパーを認識していません。

アルファ版のオープンソースプロジェクトがいくつかあります。

• https://github.com/mozilla/DeepSpeech（MozillaのVaaniプロジェクトの一部：http ://vaani.io （mirror））
• https://github.com/pannous/tensorflow-speech-recognition
• Vox、Dragon NaturallySpeakingを使用してLinuxシステムを制御するシステム：https : //github.com/Franck-Dernoncourt/vox_linux + https://github.com/Franck-Dernoncourt/vox_windows
• https://github.com/facebookresearch/wav2letter
• https://github.com/espnet/espnet
• http://github.com/tensorflow/lingvo（Googleがリリース予定、Interspeech 2018で言及）

芸術の現状と音声認識に関する最近の結果（書誌）を追跡しようとするこの試みも知っています。既存の音声認識APIのこのベンチマークと同様に。

私はを認識してい アエネア別にイベントを送信するために、1台のコンピュータ上でトンボを経由して音声認識を可能にする、が、それはいくつかの待ち時間のコストがあります。

また、音声認識のためのLinuxオプションを検討している次の2つの講演も承知しています。

• 2016-The 11th HOPE：Open Source Speech Recognitionによる音声によるコーディング（David Williams-King）
• 2014-Pycon：Pythonを使用した音声によるコーディング（Tavis Rudd）

現在、AndroidスマートフォンでGoogle音声認識と組み合わせてKDE Con​​nectを使用して実験しています。

KDE Con​​nectを使用すると、AndroidデバイスをLinuxコンピューターの入力デバイスとして使用できます（他にもいくつかの機能があります）。スマートフォン/タブレットのGoogle PlayストアからKDE接続アプリをインストールし、Linuxコンピューターにk​​deconnectとindicator-kdeconnectの両方をインストールする必要があります。Ubuntuシステムの場合、インストールは次のようになります。

sudo add-apt-repository ppa:vikoadi/ppa
sudo apt update
sudo apt install kdeconnect indicator-kdeconnect

このインストールの欠点は、KDEデスクトップ環境を使用しない場合は必要ないKDEパッケージがインストールされることです。

Androidデバイスをコンピューターとペアリングすると（同じネットワーク上にある必要があります）、Androidキーボードを使用し、マイクをクリックしてGoogle音声認識を使用できます。話していると、Linuxコンピューターでカーソルがアクティブになっている場所にテキストが表示され始めます。

結果に関しては、私は現在いくつかの技術的な天体物理学のドキュメントを書いているので、それらは少し混同されており、Googleの音声認識はあなたが通常読まない専門用語に苦労しています。また、句読点や適切な大文字使用法を理解することも忘れてください。

現在のところ、LinuxではVoice Notebookのみが機能します。

もう1人のLinuxerが便利な音声読み上げ（ディクテーション）プログラムを探しているので、speechpad.pwを調べました。

• 母国語を非常によく認識します
• 速く動作し、非常に信頼性が高い

欠点：

• もちろん、それはグーグルのプロプライエタリでクローズドなソフトウェアです
• Googleサービスは、あなたが話すすべての単語を聞いて処理し、おそらく保存します
• オーディオとテキストは処理され、Googleによって明らかに保存されます
• speechpad.pwには、毎月/四半期/年間のサブスクリプション料金が必要です
• speechpad.pwは、Google Chromeブラウザーのアドオンとしてのみ実行されます。他のブラウザーはありません

そのため、speechpad.pwは非常にプロプライエタリであり、クローズドソースであり、Googleにもバインドされています。Googleは、眠れないメタデータ、個人情報、個人コンテンツコレクターとして知られています。

音声認識自体は非常にうまく機能しますが、これらの欠点は私にとってノーゴーアプリケーションです。

Chromeアプリ "VoiceNote II"（http://voicenote.in/）は、私のXubuntu 16.04マシンでうまく機能しています。音声トレーニングは不要で、セットアップは簡単でした。それを見つけるための1回の検索、1回のクリックでインストール、1回のクリックでショートカットを作成し、デスクトップにバインドします。

携帯電話やタブレットでdragonを使用してから、テキストを自分にメールで送信することをお勧めします。それはドラッグですが、動作し、非常に正確です。このためにLinuxを使用することを主張する場合、2番目のディスプレイを取得すると、コピーと貼り付けがはるかに簡単になります。

私はこれを試していませんが、タブレット/電話のドラゴンでPython Bluetooth Chatプログラムを使用または適応できるかもしれません。ディクテーション入力をサポートするモバイルデバイス用のリモートキーボードアプリもあります。

私は実験して、より決定的なものであなたに戻ろうとします。

KD Connectアプリを使用しています。それは非常に効果的に機能しています！デスクの電話で話している間、モニターに目を向けることができます。唯一の欠点は、これがGoogleキーボードを介して行われていることです。無料、ネイティブ、オープンソースのいずれでもありません。

あなたは使用することができ、Linuxのアプリケーションでテキストにスピーチを 32または64ビットのLinux用にこのアプリケーションの使用Googleの音声APIとバイナリ統合モジュールを。Ubuntuでspeechpad.pwツールを使用する短いプレゼンテーションを見ることができます。