应用HTK建立连续语音识别系统.pdf

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, }πA 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) wargmax ( p| w) Oargmax w w p(O) 识别网络及N-gram语言模型 识别结果评估： N D S − − Correct 100×% N N D S I − − − Accuracy 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 conf