adinrec — 1発話の音声入力データをファイルに記録する
adinrec
[options
...] {filename
}
adinrec は,音声区間を一定時間内の零交差数とパワー(振幅レベル)のしきい値に基づいて切り出し,ファイルに記録する.デフォルトでは標準デバイスを用いてマイク入力から録音するが,-input
オプションでデバイスを選択可能である.またプラグイン入力も選択できる.
サンプリング周波数は任意に設定可能である.録音形式は 16bit, 1 channel であり,書き出されるファイル形式は Microsoft WAV 形式である. 既に同じ名前のファイルが存在する場合は上書きされる.
ファイル名に "-" を指定すると取り込んだ音声データを標準出力へ出力する.この場合データ形式は RAW 形式になる.
Julius の全てのオプションが指定可能である.指定されたもののうち, 音声入力に関係するオプションのみ扱われる.以下に,adinrec 独自のオプションと関係する Julius オプションに分けて解説する.
-input
{mic|rawfile|adinnet|stdin|netaudio|esd|alsa|oss}
音声入力ソースを選択する.音声波形ファイルの場合は
file
あるいはrawfile
を指
定する.起動後にプロンプトが表れるので,それに対してファイ
ル名を入力する.adinnet
では,
adintool などのクライアントプロセスから音声
データをネットワーク経由で受け取ることができる.
netaudio
はDatLinkのサーバから,
stdin
は標準入力から音声入力を行う.
esd
は,音声デバイスの共有手段として多くの
Linuxのデスクトップ環境で利用されている EsounD daemon から入力する.
-lv
thres
振幅レベルのしきい値.値は 0 から 32767 の範囲で指定する. (default: 2000)
-zc
thres
零交差数のしきい値.値は1秒あたりの交差数で指定する. (default: 60)
-headmargin
msec
音声区間開始部のマージン.単位はミリ秒. (default: 300)
-tailmargin
msec
音声区間終了部のマージン.単位はミリ秒. (default: 400)
-zmean
入力音声ストリームに対して直流成分除去を行う.全ての音声処理の の前段として処理される.
-smpFreq
Hz
音声のサンプリング周波数 (Hz) を指定する.(default: 16,000)
-48
48kHzで入力を行い,16kHzにダウンサンプリングする. これは 16kHz のモデルを使用しているときのみ有効である. ダウンダンプリングの内部機能は sptk から 移植された. (Rev. 4.0)
-NA
devicename
DatLink サーバのデバイス名 (-input netaudio
).
-adport
port_number
-input adinnet
使用時,接続を受け付ける
adinnet のボート番号を指定する.(default: 5530)
-nostrip
音声取り込み時,デバイスやファイルによっては,音声波形中に振幅 が "0" となるフレームが存在することがある.Julius は通常,音声 入力に含まれるそのようなフレームを除去する.この零サンプル除去が うまく動かない場合,このオプションを指定することで自動消去を 無効化することができる.
-C
jconffile
jconf設定ファイルを読み込む.ファイルの内容がこの場所に展開される.
-plugindir
dirlist
プラグインを読み込むディレクトリを指定する.複数の場合は コロンで区切って並べて指定する.
ALSADEV
(マイク入力で alsa デバイス使用時) 録音デバイス名を指定する.
指定がない場合は "default
".
AUDIODEV
(マイク入力で oss デバイス使用時) 録音デバイス名を指定する.
指定がない場合は "/dev/dsp
".
PORTAUDIO_DEV
(portaudio V19 使用時) 録音デバイス名を指定する. 具体的な指定方法は adinrec の初期化時にログに出力されるので参照のこと.
LATENCY_MSEC
Linux (alsa/oss) および Windows で,マイク入力時の遅延時間をミ リ秒単位で指定する.短い値を設定することで入力遅延を小さくでき るが,CPU の負荷が大きくなり,また環境によってはプロセスやOSの 挙動が不安定になることがある.最適な値はOS やデバイスに大きく 依存する.デフォルト値は動作環境に依存する.