Phonetisaurus

收录理由

Phonetisaurus 是一个专注于字形到音素（G2P）建模的工具，用于为语音识别系统生成发音词典。它构建在 OpenFst 框架之上，提供 C++ 训练与评估程序，并附带 Python 绑定，方便调用。你可以用它训练自己的模型，然后为词典中缺失的单词自动生成发音，省去手工整理词条的大量重复劳动。当需要仔细检查对齐结果时，它还能把每个词的原始 lattices 以 .fst 格式导出，便于深入分析。这个库定位明确，不是开箱即用的完整解决方案，需要自己编译 OpenFst，并且最好熟悉 Kaldi 风格的流水线。尽管搭建环境有些门槛，它在语音社区里有着较长的发展历史，许多团队依然愿意选择它来完成发音词典相关的任务。