< groupId > net . java . dev . jna < / groupId > < artifactId > jna < / artifactId > < version > 5.7 .0 < / version > < / dependency > < dependency > < groupId > com . alphacephei < / groupId > < artifactId > vosk < / artifactId > < version > 0.3 .32 < / version > < / dependency > public static void main ( String [ ] args ) { LibVosk . setLogLevel ( LogLevel . DEBUG ) ; File file = new File ( "D:\\test.wav" ) ; //语音文件仅支持wav try ( Model model = new Model ( System . getProperty ( "user.dir" ) + "/src/main/resources/vosk-model-small-cn-0.22" ) ; //模型地址 InputStream ais = AudioSystem . getAudioInputStream ( new BufferedInputStream ( new FileInputStream ( file ) ) ) ; Recognizer recognizer = new Recognizer ( model , getSampleRate ( file ) ) ) { //recognizer.setWords(true); // 开启词信息的详细输出 int bytes ; byte [ ] b = new byte [ 4096 ] ; //缓存大小：4k while ( ( bytes = ais . read ( b ) ) >= 0 ) { recognizer . acceptWaveForm ( b , bytes ) ; System . out . println ( recognizer . getFinalResult ( ) ) ; } catch ( Exception e ) { e . printStackTrace ( ) ; * 获取采样率，采样率为音频采样率的声道倍数 private static Float getSampleRate ( File file ) throws Exception { WavFileReader fileReader = new WavFileReader ( ) ; AudioFile audioFile = fileReader . read ( file ) ; String sampleRate = audioFile . getAudioHeader ( ) . getSampleRate ( ) ; String channel = audioFile . getAudioHeader ( ) . getChannels ( ) ; System . out . println ( "语音的声道：" + channel ) ; System . out . println ( "语音的采样率：" + sampleRate ) ; return Float . parseFloat ( sampleRate ) * Integer . parseInt ( channel ) ; 这就是 Vosk ，这是终生的 语音识别 系统。 截至2019年，基于神经网络的 语音识别 器在训练中可以 使用 的语音数据量非常有限，并且需要大量的计算能力和时间来训练和优化参数。 神经网络在像人一样的一杆式学习中存在问题，其决策对于看不见的情况不是很稳健，并且难以理解和纠正。 这就是为什么我们决定建立基于大信号数据库概念的系统的原因。 我们采用音频指纹识别方案。 音频按块分割，这些块基于LSH哈希值存储在数据库中。 在解码过程中，我们只需查找数据库中的数据块即可了解可能的手机。 这有助于我们对解码结果做出正确的决定。 这种方法的优点是： 我们可以在非常简单的硬件上快速训练100000小时的语音数据 我们只需添加样本就可以轻松纠正识别器的行为 我们可以确保识别结果是正确的，因为它可以在训练数据集中充 Vosk 是一个离线 开源 语音识别 工具包。 它支持17种语言和方言的 语音识别 模型-英语，印度英语，德语，法语，西班牙语，葡萄牙语，中文，俄语，土耳其语，越南语，意大利语，荷兰语，加泰罗尼亚语，阿拉伯语，希腊语，波斯语，菲律宾语。 Vosk 模型很小（50 Mb），但提供连续的大词汇量转录，具有流API的零延迟响应，可重新配置的词汇量和说话者识别。 为各种编程语言（如Python， Java ，Node.JS，C＃，C ++等）实现的 语音识别 绑定。 Vosk 为聊天机器人，智能家电，虚拟助手提供 语音识别 。 它还可以为电影创建字幕，为演讲和访谈创建转录字幕。 Vosk 从Raspberry Pi或Android智能手机等小型设备扩展到大型集群。 有关安装说明，示例和文档，请访问。