daanzu/kaldi-active-grammar

kaldi‑active‑grammar – Python 用的動態語法語音辨識

是什麼

• 一個包裝 Kaldi ASR 引擎並加入 動態語法 支援的 Python 套件。語法（命令短語集合）可針對每個語音輸入開啟或關閉，讓下游系統如 Dragonfly 或 Caster 僅聆聽當前情境下合理的命令。

為何重要

• 標準 Kaldi 解碼圖是靜態的，必須離線編譯，這使得情境依賴的命令控制相當繁瑣。此套件允許您一次編譯多個小型語法，然後在解碼時 拼接 它們，僅啟用相關部分。啟用的規則越少 → 混淆越少 → 認識準確率越高。

主要功能（如 README 所列）

• 內建二進位檔 – 面向 Windows、Linux、macOS 的平台專用 wheel 包含所需的 Kaldi 原生函式庫，無需自行建置 Kaldi。
• 預訓練英文模型 – 基於約 3000 小時開源音訊訓練完成，開箱即用；模型檔案隨發布一併提供。
• 純文字輸入模式 – 可使用提供的 HCLG.fst 或內建模型回退至自由形式語音辨識（文字輸入）。
• Dragonfly / Caster 後端 – 為流行的 Dragonfly 命令框架（已在 Dragonfly v0.15.0 中合併上游）提供 Kaldi 引擎實作，並支援 Caster 語音控制系統（v0.6.0+）。
• 動態啟用 API – 低階 Python API，您可提供即將進行的語音輸入中啟用的規則 ID 清單；空清單會停用所有規則，None 則延續上一次語音輸入。
• 發音處理 – 可選的 G2P（g2p_en）可用於離線單字生成，或透過 requests 進行線上查詢。
• 自包含 Windows 套件 – 包含 Python、套件與模型的 zip 檔案（kaldi‑dragonfly‑winpython*），實現「解壓即執行」的體驗。

典型工作流程

1. 安裝 wheel：pip install kaldi-active-grammar（或 pip install "dragonfly2[kaldi]" 以取得 Dragonfly 後端）。
2. 從 GitHub 發布頁面下載預訓練模型，並將套件指向其目錄。
3. 使用 Compiler/KaldiRule 類別定義語法（規則），或更方便地使用 Dragonfly 的規則語法。
4. 對每個語音輸入，將啟用的規則 ID 清單傳遞給解碼器，並接收識別出的規則文字。

快速上手（Windows）

• 取得一個 kaldi‑dragonfly‑winpython zip 套件，解壓並執行提供的示範腳本。無需額外安裝 Python 或 Kaldi。

安裝注意事項

• 需要 64 位 Python 3.6+。
• 在 Windows 上可能需要 VC 2017+ 重發行套件（VCRUNTIME140.dll）。
• 不提供原始碼分發；必須使用二進位 wheel 或透過文件中引用的分支自行建置 Kaldi。

文件與資源

• 架構 – docs/kaldi-fork-architecture.md
• 從原始碼建置 – BUILDING.md
• 測試 – TESTING.md
• 範例 – examples/（純文字輸入、即時麥克風、混合命令/文字輸入）
• Dragonfly 整合指南 – 連結自 README 及 Dragonfly 文件。

適用對象

• 需要情境感知命令集的語音控制桌面應用程式開發者。
• 在低延遲 ASR 中實驗動態語法選擇的研究人員。
• 希望在 Windows、Linux 或 macOS 上即開即用 Kaldi 基礎語音辨識器的愛好者。

授權

• AGPL‑3.0（商業用途需遵守授權條款或與作者另行協議）。

---

以上所有細節均直接取自倉儲的 README；未推斷任何額外功能。