HTK手册_第二章(中文版).doc

HTK工具包概述 前一章节我们介绍了基于HMM识别的基本原理。已经涉及了HTK中的一些关键的工具。这一章节将要描述HTK工具的软件结构。介绍HTK工具的大纲以及如何将其结合起来构造和测试一个基于HMM的识别器。为了方便使用过HTK的读者，我们列举了最近版本的主要变化。下一章节通过建立一个简单的连续语音识别系统来阐述如何使用HTK工具。 HTK软件结构 HTK中大部分的功能都被封装成库。这些模块保证每个对外的接口使用相同的方式。也提供了一些通用函数资源。Fig2.1图解了一个典型的HTK工具的组成，并且展示其输入/输出接口。 用户的输入输出以及一些和操作系统的交互是由HShell模块来控制。HMem负责内存管理。HMath提供数学计算的支持。HSigP提供信号分析中需要的信号处理。HTK中的每种文件类型均有专门的接口模块。HLabel提供label文件的接口。HLM提供了语言模型文件接口。HNet提供了网络和网格文件的接口。词典通过HDict接口，矢量量化的码本通过HVQ接口。HMM定义则通过HModel。  所有以WAV形式输入输出的语音通过HWave处理，以参数形式的输入通过HParam处理。为了提供一致的接口，Hwave和HLabel提供多种文件格式的支持（可以从其他系统导入的数据）。HAudio支持直接语音输入。HGraf提供了简单的交互解码。HUtil为操作不同的HMM模型提供了很多有用的函数，HTrain和HFB支持不同的HTK训练工具。HAdapt为不同的HTK自适用工具提供了支持。最后，HRec包括了主要的识别处理功能。 下一部分将会讲到：通过设置一下配置项，来控制这些库模块的行为。具体这些库模块函数的详细描述将会在本手册的第二部分中描述，并介绍出现的相关的配置。另外在18章会给出完整的列表作为参考。 HTK工具的通用属性 HTK工具通过命令行来运行。每个工具都有很多必须参数和可选参数。可选参数使用‘-’前缀。下面的命令将调用虚构的叫做HFoo的HTK工具。如下： HFoo -T 1 -f 34.3 -a -s myfile file1 file2 这个工具中有两个必须参数file1、file2和四个可选的参数。可选参数使用单字母，后面跟着可选的值。其中值和参数名用空格分开。-f后面是一个实数，-T后是一个整数，-s后是一个字符串，-a后没有参数，仅仅用来使能或者禁止工具中的某些特性。大写的选项在所有工具中的意义是一样的。-T是用来控制HTK输出Trace。 另外，参数可以储存在配置文件，我们可以通过这些文件里的参数来控制工具的操作。例如： HFoo -C config -f 34.3 -a -s myfile file1 file2 如果这条命令执行，HFoo工具将会在初始化的时候装载这些存储在配置文件里的参数。多个配置文件可以使用重复使用-C选项。例如： HFoo -C config1 -C config2 -f 34.3 -a -s myfile file1 file2 配置文件通常作为命令行参数的另一种配置方式。例如，trace选项一般总是在配置文件里设置。然而，配置文件主要是用来控制所有HTK工具依靠的库模块的详细行为。 虽然这种命令行的风格比起现在的图形界面显得很老套。但是实际中，可以通过书写一些脚本即可以控制HTK工具的执行。对于大型的系统构建和试验这是非常重要的。而且，使用文本方式定义所有操作，可以使得系统构建和试验时的细节被录制和记录下来。 最后，不带参数执行这个工具，可以得到其中命令行的解释以及所有HTK工具的选项。 工具包 我们通过建立一个基于子词（sub-word）模型的连续语音识别系统并介绍这些过程，将使我们很好的了解HTK工具。如Fig2.2所示：总共有4个主要过程：数据准备，训练，测试和分析。 数据准备工具 为了建立一个HMM模型集合，语音数据文件和他们的相关的标注是必需的。语音数据将会从数据库（一般存储在光盘中）获得。在训练之前，这些数据都将会被转换成适当的参数形式。相关的标注将被转化成正确的格式，使用需要的音素或者词的lable。如果需要，HSLab可以用来录制语音，然后对相关的内容进行手工标注。 虽然所有的HTK工具能够在过程中提取语音数据的参数，但实际上通常我们最好只对数据进行一次特征提取。HCopy就是为了做这个。通过字面意思，HCopy用来复制一个或者更多的源文件到输出文件。一般，HCopy将会复制整个文件，但是为了分段和连接文件，还要提供多种机制。通过设置一些合适的配置变量，所有的输入文件在被读入时将会转为参数形式。因而，通过这种简单的复制每个文件的机制，对每个文件完成必须的特征提取过程。HList工具用于检查语音文件的内容，当输入文件被转化后，可