【OSS情報アーカイブ】Julius

※当記事に記載されている情報は、古くなっている場合があります。オフィシャルサイトで最新情報をご確認ください。

「Julius」とは

概要

Julius(ジュリアス)とは、オープンソースの大語彙連続音声認識エンジンです。「高性能」「小フットプリント」のデコーダソフトウェアとして、「ワードN-gram」と「コンテキスト依存HMM」に基づいてリアルタイムデコードを実行できます。ディープニューラルネットワークもサポートしています。

経緯

Juliusは、1997年から日本のLVCSRの研究ソフトウェアとして開発され、性能向上および機能強化が続けられています。

オフィシャルサイト情報

■GitHub

→github.com　→julius-speech/julius

■主要開発元

Juliusは、名古屋工業大学李研究室Juliusプロジェクトチームなどが中心となり開発が進められています。

→slp.nitech.ac.jp

■ライセンス情報

Juliusのライセンスは「BSD 3-Clause “New” or “Revised” License」です。

詳細について、こちらを参照ください。
→github.com　→julius-speech/julius　→LICENSE

■動作環境

「Linux」「Windows」「Mac」「Android」などで動作します。

■インストール

→github.com　→julius-speech/julius　→INSTALL.txt

同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品：「wav2letter@anywhere」など。

主な特徴

・高性能リアルタイム認識能力—2パス戦略に基づく
・低メモリ要件：32MB～64MB未満
・任意のNを持つN-gramのLMをサポート
・ルールベース文法サポート
・分離された単語認識のための単語リストをサポート
・「ARPA標準形式のLM」と「HTK asciihmm定義形式のAM」をサポート
・各種検索パラメーター設定機能
・DNNベースデコード機能—フレームごとの状態確率計算にフロントエンドモジュールを使用

言語認識モデル

Julius自体は言語に依存しないデコードプログラムであるため、ターゲット言語に対して、適切な「言語モデル」と「音響モデル」が与えられれば、言語認識機能を作成できます。

■モデル形式

モデルには「HTK」「SRILM」などの他の音声(言語)モデリングツールキットに対応するための標準形式が採用されています。

■認識精度

Juliusの認識精度はモデルに大きく依存し、以下のモデルを採用しています。

・HTK ascii形式の音響モデル
・ほぼHTK形式の発音辞書
・ARPA標準形式の単語3グラム言語モデル　など

■2パスツリートレリス検索

アルゴリズムは、次の主要デコード手法を完全に組み込んだ「2パスツリートレリス検索」に基づいています。

・ツリー編成レキシコン
・1-ベスト/ワードペアコンテキスト近似
・ランク/スコアプルーニング
・N-グラムファクタリング
・クロスワードコンテキスト　など

■日本語モデル

日本語ディクテーションキットが用意されています。

・日本語モデル—バランスの取れたコーパスでトレーニングされた60kワード
・音響モデル—トライフォンGMM/DNN

■英語モデル

ユーザー提供の英語モデルがいくつかWebで入手できます。

JuliusModels

→github.com　→palles77/julius

VoxForgeプロジェクト

→voxforge.org

モジュール化構造

Juliusは、モデル構造から独立するようにモジュール化されており、さまざまなHMM構造がサポートされています。

・エンベロープビーム検索
・ガウス剪定
・ガウス選択
・共有状態トライフォン
・結合混合モデル　など

スレッド同時実行

Juliusは、以下の処理を1つのスレッドで同時に実行することもできます。

・マルチインスタンス認識
・ディクテーション実行
・文法ベース認識
・孤立した単語認識　など

参考元サイト
→github.com　→julius-speech/julius

この記事のタグ一覧

• Julius

  1

• 一覧はこちら
• 次の記事へ