为了快速入门，环境先用windows系统。

第一步，到 http://cmusphinx.sourceforge.net/wiki/download/ 直接下载编译好的程序，先把sphinxbase 、pocketsphinx 、sphinxtrain、、beta6 sphinx4 、cmuclmtk 和 https://sourceforge.net/projects/cmusphinx/files/Acoustic%20and%20Language%20Models/ 里面的中文普通话语言模型全下载下来。

在等文件下载完的时候可以先理解一下语音识别的工作方式，对之后自己调整语音识别准确度很有帮助。语音库有3种类型的库，第一个就是 hmm Hidden Markov Model隐马尔可夫模型 模型训练算法，可以理解为声音到音标的库；第二个是dict 词典，可以理解为音标到词(文字)的库；最后一个是lm language model 语言模型，可以理解为各个词的使用频率，这个词和另一个词同时出现的几率。语音识别的过程是先把声音转成音标(通过 hmm Hidden Markov Model隐马尔可夫模型)，然后把音标转成词(通过 dict 词典)，由于语音的不确定性(同音字、语音不清晰、语音不标准等原因)会识别出来多重可能结果，然后根据 lm language model 语言模型 选择可能性最高的一个作为结果返回，这就完成了语音的识别过程。

第二步，在下载过程中先检查一下麦克风，用windows自带的录音程序录一下音，看看各个距离麦克风的效果，一般的麦克风距离稍微远些声音就很小了，如果想做远距离的声音识别就需要换成监控上面拾音器了。拾音器需要接到音源输入(电脑声卡的蓝色接口)上面，不是接麦克风(声卡的粉色接口)的那个插口。

第三步，把各个文件全部解压出来。为了使用方便，把 pocketsphinx-0.8-win32\pocketsphinx-0.8-win32\bin\Release 路径加到PATH环境变量里面。

第四步，找到之前解压出来的 zh_broadcastnews_ptm256_8000(这是一个目录，里面有 feat.params、 mdef、 means、 mixture_weights 等文件) 、zh_broadcastnews_64000_utf8.DMP 和 zh_broadcastnews_utf8.dic ，把它们放到一个目录里面去，然后执行pocketsphinx_continuous -hmm zh_broadcastnews_ptm256_8000 -lm zh_broadcastnews_64000_utf8.DMP -dict zh_broadcastnews_utf8.dic 就可以测试语音识别效果了。

我没试这个，从网上看其他人的说是效果很不好。我做这个语音识别的目的是为了识别特定命令，所以直接自己生成的语言模型。可以在这里 http://www.speech.cs.cmu.edu/tools/lmtool-new.html 上传文本文件来提供语料资料，然后根据文本内容自动生成词频和用到的词的音标词典。不过这个不支持中文分词和中文音标，需要上传前用空格手工分词，然后打开生成的 *.dic 音标词典文件，自己根据 zh_broadcastnews_utf8.dic 里面的音标手工添加音标。之后执行 pocketsphinx_continuous -hmm zh_broadcastnews_ptm256_8000(或tdt_sc_8k) -lm 你的lm文件 -dict 你的dic文件 就可以测试了。

我的语料文件：

生成的1675.dic文件内容

生成的1675.lm文件内容

另附一点资料：
hmm Hidden Markov Model隐马尔可夫模型 模型训练算法
个人理解为声音和音标的关联
中文的有 tdt_sc_8k 和 zh_broadcastnews_ptm256_8000 ，是一个目录。

lm language model
lm模型是统计语料得到的模型，lm模型里存的是语料的组合概率。个人理解为这个是存放的那个词比较常用，那个词在另一个词后面的几率更高。
zh_broadcastnews_64000_utf8.DMP 是从网下下的语言模型，在线生成的语言模型的扩展名是 lm 。

dict 词典
音标和词之间的关联。
zh_broadcastnews_utf8.dic 是从网上下的词典。在线生成的扩展名也是 dic 。

Pocketsphinx — 用C语言编写的轻量级识别库
Sphinxbase — Pocketsphinx所需要的支持库
Sphinx3 — 为语音识别研究用C语言编写的解码器
CMUclmtk — 语言模型工具
Sphinxtrain — 声学模型训练工具

附一下在线生成语言模型和词典的工具 http://www.speech.cs.cmu.edu/tools/lmtool-new.html

本文参考了 http://www.cnblogs.com/huanghuang/archive/2011/07/14/2106579.html 和 http://www.cnblogs.com/yin52133/archive/2012/06/21/2557219.html 写的，如果有不明白的地方建议翻一下上面两个博文系列。