daanzu/kaldi-active-grammar

kaldi‑active‑grammar – Python 的动态语法语音识别

是什么

• 一个包装 Kaldi ASR 引擎并添加 动态语法 支持的 Python 包。语法（命令短语集合）可针对每个语音输入开启或关闭，使下游系统如 Dragonfly 或 Caster 仅监听当前上下文中合理的命令。

为何重要

• 标准 Kaldi 解码图是静态的，必须离线编译，这使得上下文相关的命令控制变得繁琐。此库允许您一次性编译多个小型语法，然后在解码时 拼接 它们，仅激活相关部分。激活的规则越少 → 混淆越少 → 识别准确率越高。

主要功能（如 README 所列）

• 包含二进制文件 – 针对 Windows、Linux、macOS 的平台专用 wheel 包含所需的 Kaldi 原生库，无需自行构建 Kaldi。
• 预训练英语模型 – 基于约 3000 小时开源音频训练，开箱即用；模型文件随发布一起提供。
• 纯文本输入模式 – 可使用提供的 HCLG.fst 或捆绑的模型回退到自由形式语音识别（文本输入）。
• Dragonfly / Caster 后端 – 为流行的 Dragonfly 命令框架（已在 Dragonfly v0.15.0 中合并上游）提供 Kaldi 引擎实现，并支持 Caster 语音控制系统（v0.6.0+）。
• 动态激活 API – 低级 Python API，您可提供即将进行的语音输入中激活的规则 ID 列表；空列表禁用所有规则，None 继续上一次语音输入。
• 发音处理 – 可选的 G2P（g2p_en）用于离线单词生成，或通过 requests 在线查找。
• 自包含 Windows 套件 – 包含 Python、库和模型的 zip 文件（kaldi‑dragonfly‑winpython*），实现“解压即运行”的体验。

典型工作流程

1. 安装 wheel：pip install kaldi-active-grammar（或 pip install "dragonfly2[kaldi]" 以获取 Dragonfly 后端）。
2. 从 GitHub 发布页面下载预训练模型，并将库指向其目录。
3. 使用 Compiler/KaldiRule 类定义语法（规则），或更方便地使用 Dragonfly 的规则语法。
4. 对每个语音输入，将激活的规则 ID 列表传递给解码器，并接收识别出的规则文本。

快速上手（Windows）

• 获取一个 kaldi‑dragonfly‑winpython zip 套件，解压并运行提供的演示脚本。无需单独安装 Python 或 Kaldi。

安装说明

• 需要 64 位 Python 3.6+。
• 在 Windows 上可能需要 VC 2017+ 运行库（VCRUNTIME140.dll）。
• 不提供源码分发；必须使用二进制 wheel 或通过文档中引用的分支自行构建 Kaldi。

文档与资源

• 架构 – docs/kaldi-fork-architecture.md
• 从源码构建 – BUILDING.md
• 测试 – TESTING.md
• 示例 – examples/（纯文本输入、实时麦克风、混合命令/文本输入）
• Dragonfly 集成指南 – 链接自 README 和 Dragonfly 文档。

适用人群

• 需要上下文感知命令集的语音控制桌面应用程序开发者。
• 在低延迟 ASR 中实验动态语法选择的研究人员。
• 希望在 Windows、Linux 或 macOS 上即开即用 Kaldi 基础语音识别器的爱好者。

许可证

• AGPL‑3.0（商业用途需遵守许可证或与作者另行协商）。

---

以上所有细节均直接取自仓库的 README；未推断任何额外功能。