HTK语音识别基础教程.ppt

步骤八：增加高斯混合数 高斯混合模型 1-2, 2-4, 4-8的顺序增加混合数 HHEd -B -H train/hmm16/macros -H train/hmm16/hmmdefs -M train/hmm17 script/mix1.hed train/tiedlist Mix.hed的内容: MU 2 {*.state[2-4].mix} 每增加一次混合数都必须用HERest进行重估 步骤九：测试声学模型 简易语言模型的建立 HVite进行识别 HResults显示识别结果 HLStats -s START END -b bigram -o word.lst word.lbl HBuild -s START END -n bigram word.lst work HVite -C ../common/configcross -H ../train/hmm31/macros -H ../train/hmm31/hmmdefs -S test2.scp -i recout.mlf -w work -p -1.0 -s 5.0 dict ../train/tiedlist HResults -I word.lbl ../train/tiedlist recout2.mlf F(n)= AC(h) + LM(h)*Weight+n*Penalty HTK/语音识别基础教程 目录 语音识别基础 HMM声学模型的训练和基本原理 概要 HMM的3大问题和算法简介 HTK声学模型训练完整步骤 数据的准备 特征量的提取，音素列表，转写文本，发音字典等 HMM的两种初始化方式（HInit，HCompV） Monophone的训练 Triphone的训练（WI，Cross-word） Tied-State Triphone的训练 高斯混合数的增加 语音识别的基础原理 语音识别可以看作是已知观测到语音信号X，求出其语言内容（文字）w，即 最大化的 ： 由声学模型得到（声学似然度）， 由语言模型决定（先验知识） HMM模型概要 基本概念 HMM与语音信号 状态，状态迁移/输出概率，观测信号序列 3状态音素HMM（非静音）：Left-to-right(2-3-4,不允许4-3) without skips(不允许2-4) 参数（各状态迁移概率，信号输出概率：高斯分布） 1 2 5 3 4 O1 O2 O5 O3 O4 O6 HMM构成要素 状态集合： 开始状态 和终了状态 为固定状态，不输出信号 状态迁移概率： 输出概率： 从状态 输出信号o的概率 输出信号系列 观测到的语音信号，如MFCC等特征量 状态系列： 时刻n对应状态 HMM三大基本问题（具体参考dean/ebooks下的《经典》） 评价问题 （Forward算法） 已知观察序列 和模型参数 ，如何有效的计算 （即模型对数据的拟合程度） 解码问题（Viterbi算法） 已知观察序列 和模型参数 ，在最佳意义上确定一个状态序列 训练问题（EM，Baum-Welch重估） 已知观察序列 和模型参数 ，如何调整模型参数 使 最大 HMM模型评价算法（前项算法） S0 S1 S2 S3 SM 时刻n 状 态 m N 0 N+1 O(1) O(2) O(N) HMM模型评价算法（前项算法） S0 S1 S2 S3 1.0 0.6 0.4 0.2 0.8 a b b (a,b)=(0.7,0.3) (a,b)=(0.6,0.4) 1.0 ×0.7 0.7 ×1.0 0.0 ×0.3 0.126 ×0.4 0.112 ×0.3 0.023 ×0.4 0.029 ×0.4 ×0.4 ×0.6 ×0.6 ×0.2 ×0.2 ×0.8 0.024 两种可能的路径： {S0S1S1S2S3} {S0S1S2S2S3} 两者之和便为信号{abb} 的输出概率： HMM模型评价算法（前项算法） 初期化： 初期迁移： 递进式：对于 ， 最终迁移： HMM解码：Viterbi算法 S0 S1 S2 S3 1.0 0.6 0.4 0.2 0.8 a b b (a,b)=(0.7,0.3) (a,b)=(0.6,0.4) 1.0 ×0.7 0