Скажите пожалуйста. какая примерно задержка получается при использовании сфинкса на распбери. Т.е. интересует время от момента когда сказал фразу и когда запущен скрипт.

Зависит от моделей - размера словаря, размера акустической модели. Очень быстро работать с большим словарем по умолчанию не будет. Если настроить все правильно, тогда задержки не будет - 0.2 сек или около того.

Может быть есть кто-то здесь кто возьмется за денюжку "настроить всё правильно" ? Начиная от совета по выбору железа и заканчивая именно настройкой

За денюжку лень, можно так. Что нужно сделать-то?

нужно устройство на базе распберри и им подобных, которое передавало бы на сервер команды из своего словаря. К примеру микрофона шорох или ReSpeaker, может есть что-то более подходящее. Нужно распозначание в комнате примерно до 25 кв. м.

Команд сколько. Команды фиксированные или меняются?

команд не больше 50. Фиксированные. По типу включи свет в спальне

Ну, 50 команд многовато.

ключевое слово не хотите?

да, ключевое слово пусть будет

Ну тогда ключевое слово на нейросетях делать надо и модель kaldi тренировать для распознавания. respeaker тоже прикручивать. Простой настройкой не обойдёшься, много всего.

может проще тогда через яндес в онлайне сделать?

Яндекс будет гораздо проще для начала

для ключевого слова вот это можно взять https://github.com/MycroftAI/mycroft-precise/wiki/Training-your-own-wake-word#how-to-train-your-own-wake-word

Попробовал EAGI + docker kaldi - супер - неплохо распознает ! По сравнению с Pocketsphinx - очень прилично !Спасибо Николаю ! Вопрос - по требуемым вычислительным ресурсам для голосового меню -> как понял для полнословарного распознавания kaldi не тежелее Pocketsphinx или даже легче, а для малого словаря ? И стоит затеивать обрезание словаря в kaldi ? В общем скорость kaldi сейчас устраивает - вопрос скорее по потребляемым ресурсам - уменьшатся ? Как сильно если словарь нужен на сотню слов ?

Спасибо Владимир. По ресурсам там на нейросеть много тратится, до 70%, скорость от маленького словаря не сильно лучше будет, ну может процентов на 20 быстрее. Точность получше будет и памяти будет меньше занимать, но граф перекомпилировать - это целая история, скрипты надо запускать в kaldi, не так просто, как в ps.

А как сильно меньше памяти ? По скорости и точности все вполне устраивает

Ну граф вместо 500 Мб будет 40Мб. Модель 60Мб. Память на поток примерно по 50мб.

А сейчас на поток 500 Мб ?

Нет, сейчас те же 50мб, граф HCLG.fst сейчас 500мб