谁能给我简单介绍一下HTK

[麻烦介绍一下水俣病]【名称】 “俣”，日文原作“俣”字。《名义抄》音“疑辅反”、《汉语大字典》释为“‘俣’的新字形”，日语训读“また”。 “水俣症”一词。其解释若下：“病名。由于工厂排放废...+阅读

应用HTK建立连续语音识别系统 ------------王风娜基本内容知识回顾 HTK工具包基于HMM的连续语音识别应用HTK建立连续语音识别系统实例知识回顾 HTK工具包数据准备工具 HDMan、HCopy、HLEd、HSGen、HBuild、HLStats 、HParse 模型训练及优化工具 HERest、HInit、HRest、HHEd、HCompV 识别工具 HVite 性能评估工具 HResults、HRec 基于HMM的连续语音识别系统 HMM 三个基本问题：推理、学习、识别模型初始状态转移矩阵 λ ={π， A, B} 状态产生观测向量的概率分布连续语音识别模型结构：混合HMM（见附）建模单元：可根据实际问题选择，对于大词汇量选择音素，进而扩展到三音素（词内或词间）三音素捆绑：解决训练数据不足问题基于数据的状态聚类：自底向上，不能给不可见音素建模（欧氏距离）基于决策树的聚类：自顶向下，能为不可见音素建模（见附）嵌入式训练：训练语音必须有对应的抄本文件嵌入式识别： p(w) p(O| w) w* = argmaxp(w| O) = argmax p(O) w w 识别网络及N-gram语言模型识别结果评估： N ?D?S *100% Correct= N Accuracy = N ?D?S?I * 100 % N 应用HTK建立连续语音识别的实例数据准备创建模型及学习单音素模型三音素模型状态捆绑增加高斯混合模型的个数识别及评估数据准备训练及待识别语音文件（.wav）训练语音包含的所有词（wlist）训练语音的词级标注文件（.lab 或 word.mlf） wlist中词的发音词典dict（见附） HDMan -m -w wlist -n monophones1 -l dlog dict beep names 训练语音的音素级标注文件（.lab 或 phones.mlf） HLEd .led 生成音素序列文件phones0（不包含sp）、phones1（包含sp）训练语音的特征文件（.mfc、.plp等） HCopy config 训练语音词级网络wdnet（见附） HPRase HBuild HParse 创建模型及学习（逐步细化）

1、单音素模型： Proto文件：定义模型拓扑结构 3-state left-right HCompV：统计训练数据全局均值、方差 HCompV -C config -f 0.01 -m -S train.scp -M hmm0 proto hmm0(marcos、hmmdef) HERest: X3 hmm3 HERest -C config -I phones0.mlf -t 250.0 150.0 1000.0 -S train.scp -H hmm0/macros –H hmm0/hmmdefs -M hmm1 phones0

2、固定静音的单音素模型加入sil、sp模型捆绑sil和sp模型 hmm4 hmm5 HHEd -H hmm4/macros -H hmm4/hmmdefs -M hmm5 sil.hed phones1 HERest: X2 hmm7 (phones1)

3、训练数据的重组：解决多音现象 HVite：得到更好的音素级标注文件aligned.mlf HVite -l '*' -o SWT -b silence -C config -a -H hmm7/macros -H hmm7/hmmdefs -i aligned.mlf -m -t 250.0 -y lab -I words.mlf -S train.scp dict phones1 HERest: X2 hmm9(phones1) Error:can't find tee model at the start and end of the sentence.

4、三音素模型三音素标注文件wintri.mlf HLEd -n triphones1 -l '*' -i wintri.mlf mktri.led aligned.mlf sil th ih s sp m ae n sp ... 扩展为 sil th+ih th-ih+s ih-s sp m+ae m-ae+n ae-n sp ... 三音素模型 HHEd -B -H hmm9/macros -H hmm9/hmmdefs -M hmm10 mktri.hed phones1 HERest: X2 -s stats hmm12(triphones)

5、三音素捆绑 HHEd: HHEd -B -H hmm12/macros -H hmm12/hmmdefs -M hmm13 tree.hed triphones1 >log HERest: X2 hmm15(tiedlist)

6、增加混合高斯模型个数 Increase the mixture HHEd -H hmm15/macros -H hmm15/hmmdefs -M hmm16 increasemix.hed tailist increasemix.hed: HERest X2 MU +2 {*.state[2-4].mix} hmm18(tiedlist) 可根据实际问题需要适当增加高斯模型个数识别及评估识别HVite HVite -H hmm15/macros -H hmm15/hmmdefs -S test.scp -l '*' -i recout.mlf -w wdnet -p 0.0 -s 5.0 dict tiedlist 词级、音素级、三音素级识别结果评估 HResults -I testref.mlf tiedlist recout.mlf >result 附：模型结构：混合HMM 决策树捆绑：返回词典dict 返回识别网络返回 The End!