Уважаемые специалисты, не могли бы вы помочь мне разоброаться в

разнице между sphinx и vosk?
Интересует не вообще а в применении к моей конкретной ситуации.

Мы делаем мобильное приложение - тренажер, для изучающих иностранные языки. И функционал приложения предполагает, что пользователь произносит определенную фразу, которую приложение ожидает. И если она распознана - переходит к следующей. Таким образом нам не нужно понять что именно сказал пользователь, а нужно понять сказал ли он то, что мы ожидаем. Для подтверждения распознавания мы закрашиваем другим цветом распознанные слова из фразы.

Я понял, что vosk использует иные чем sphinx модели. Но не могу понять, будет ли в конкретно нашей ситуации лучше переходить на vosk.

Надеюсь у вас найдется минутка на пояснения. Или может быть вы можете посоветовать специалиста. заранее спасибо!

Почему бы не сравнить ожидаемую фразу с распознанной 1. метриками mer wil... 2. являются ли фразы парафразами

на сфинксе пробовали делать нескольк фраз похожих, типа: - he learned a lot - he’s learnt a lot тут разницу сфинкс вообще не понимает. А если фразы более отличающиеся: - he go to school yesterday - he went to school yesterday то лучше конечно, но все равно при массовом использовании ошибается часто. И, кроме того, стало понятно, что для наших целей (тренировка, а не проверка) достаточно понять что произнесена именно эта фраза.

А вы какому языку обручаете? А если это какой то диалект в Дагестане или Индии где букв а много разных? То есть в основном вопрос в том, что вы хотите контролировать : что из вашей фразы он произнёс, или как он произнёс что-то из вашей фразы?

интересные задачки, во всяком случае скорость и акцент кажется мне ближе к работе со звуком, а вот без ошибок и изысканно(кстати не знаю как это фрмализовать) - выглядит как НЛП. Но насчет ошибок интересно, как корректировать ошибку АСР да и не вся разговорная лексика хорошо ложится на то, что используется при подготовке языковых нейросетей

прочел исходный текст задачи, ошибки видимо отпадают, ну без учета ошибок СТТ

На самом деле это список - это ценности для пользователя. Добываются эти цели не столько распознавалклй, сколько алгоритмом тренировок. Например: чтобы быстро и без ошибок задать на англ вопрос: «за кем она замужем?» требуется натренироваться (повторениями) на произнесение вопросов с таким грамматическим шаблоном. Большинство пользователей не имеют такого шаблона в голове и им такая тренировка нужна. Сейчас распознавание у нас используется просто как сигнал продолжить и перецти к следующей фразе. Могу дать поиграться, если кто то интересуется тренировкой языка.