2，HTK学习_基于HTK语音工具包进行孤立词识别的使用教程

参考连接： https://my.oschina.net/jamesju/blog/116151 http://blog.csdn.net/jojozhangju/article/details/18720085 http://www.ithao123.cn/content-8393537.html

1，孤立词识别系统

1.1 简介

在本系统中我们将要实现三个词的识别系统，词汇集为：{brightness, channel,color}。

1.2 搭建步骤

A：创建语料库，brightness, channel,color各录制5次

B：声学分析，把wavform的声音文件转换为mfcc格式

C：模型定义，为词典里面的每一个词建立一个HMM原型

D：模型训练，HMM模型初始化和迭代

E：问题定义，即语法定义

F：对测试结合进行识别

G：评测

2，搭建工作环境

2.1 创建如下目录结构

(1) data/:存储训练和测试数据（语音文件、语音标签、特征矢量文件）。子目录：data/train/lab data/train/wav data/train/mfcc data/test/lab data/test/wav data/test/mfcc

(2) analysis/: 存储声学分析步骤的文件

(3) training/: 存储初始化和训练步骤的文件

(4) model/: 存储识别系统的模型(HMMs)的相关文件。子目录：model/PRoto

(5) def/: 存储任务定义的相关文件

(6) test:/ 存储测试相关文件

2.2 标准HTK工具选项

一些标准选项对于每个HTK工具都是通用的。

(1) -A: 显示命令行参数

(2) -D: 显示配置设置

(3) -T 1: 显示算法动作的相关信息

完整的选项列表请参见：htkbook

2.3 语料库的准备

我们来录制{brightness, channel,color}这个三个词的读音。同时每个录音都要进行标注，也就是有一个文本文件与其对应描述它的内容。

2.3.1 录音

将上述三个词各录制5次，保存为wav格式。并存放在 data/train/wav/brightness data/train/wav/channel data/train/wav/channel中。

备注：wav文件通过讯飞tts工具生成，格式为16Khz，16位，1声道。 看到其他资料是通过HSLab HTK工具，但是可能因为本机少装了一些库，运行不起来。

2.3.2 标注

用相关的语音处理软件进行标注。并把标注的文件放到 data/train/lab/brightness data/train/lab/brightness data/train/lab/color中。

备注：本文中标注使用的软件是praat，由于htk中标注的时间单位是100ns，用praat获取到秒的时间后乘2的7次方。标注文件中具体内容如下：

2.4 声学分析

从原始的声音文件转换为特征矢量文件：

需要创建的文件：

(1) analysis.conf

创建目录：training/

说明：配置文件，说明了特征矢量的特性

内容：

注：参数意义详见：htkbook

(2) targetlist_train.txt

创建目录：training/

说明：列出源文件和目的的文件的位置，即声音文件和特征文件

内容：

指令：Hcopy -A -D -C training/analysis.conf -S training/targetlist_train.txt

运行结果：

会看到生成的文件：

2.5 HMM的定义

需要创建的文件：hmm_brightness hmm_channel hmm_color hmm_silb hmm_sile

创建目录：model/proto

说明：用来定义单词的HMM模型

内容：

hmm_brightness:

备注：hmm_channel hmm_color同hmm_brightness，不过最上面的名字要分别换成channel和color

hmm_silb:

备注：hmm_sile同hmm_silb，只修改名字就好。

2.6 HMM训练

2.6.1 初始化

需要创建的文件：

(1) trainlist_brightness.txt trainlist_channel.txt trainlist_color.txt trainlist_silb.txt trainlist_sile.txt

创建目录：training/

说明：特征矢量文件路径

内容：

trainlist_brightness.txt:

trainlist_channel.txt：

trainlist_color.txt：

trainlist_silb.txt:

trainlist_sile.txt:

(2) hmm0目录

创建目录：model/

说明：初始化后的HMM模型存放的位置

指令：

初始化之后我们可以再hmm0文件夹中看到：

2.6.2 训练

需要创建的目录：hmm1 hmm2 hmm3

创建位置： model/

每次，HRest迭代（即当前再估计迭代中的迭代）显示在屏幕上，通过change

量度标示收敛性。一旦这个量度值不再从一个HRest迭代到下个迭代减少（绝对值），过程就该停止了，迭代一般2-3次就可以了。

指令：

2.7 任务定义

2.7.1 建立语法规则和字典

需要创建的文件：

(1) gram.txt

创建的目录：def

说明：在使用我们的单词模型之前，要定义识别器的基本结构（任务语法）。我们首先定义最简单的语法：开始停顿、接着简单单词（这里指brightness, channel, color）、结束停顿。

内容：

备注：用括号{}括住START_SIL和END_SIL表示其可不存在或者重复多次（允许在单词之前或之后长时间的停顿，或者根本没有停顿）。括号[]括住$WORD表示零个或一次出现（如果没有单词，可能只是识别停顿）。

(2) dict.txt

创建的目录：def

说明：系统要知道HMM模型与语法变量BRIGHTNESS、CHANNEL、COLOR、START_SIL和END_SIL的对应关系。这种信息存储在文本文件中，命名为任务字典。

内容：

2.7.2 网络

建立任务网络：

生成的文件：net.slf

命令：Hparse -A -D -T 1 def/gram.txt def/net.slf

运行结果：

2.8 识别

2.8.1 准备测试数据

需要准备的文件：

(1) hmmlist.txt

创建的目录：test/

说明：列出了要使用的模型的名字(brightness, channel,color,silb,sile) ，每个一行，最后要加一个空行。

内容：

(2) targetlist_test.txt

创建的目录：test/

内容：

命令：

运行结果：

2.8.2 识别

基本方法：

需要创建的文件：

(1) result文件夹

(2) reco.mlf

创建的目录：result/

初始内容：

(3) hmmsdef.mmf

创建的目录：test

命令等同于：-H model/hmm3/hmm_brightness -H model/hmm3/hmm_channel -H model/hmm3/hmm_color -H model/hmm_silb -H model/hmm3/hmm_sile

内容：hmm3中的所有文件的内容一起粘贴。

注意：只保留一个”~O”

命令：

运行结果：

结果会在reco.mlf中显示：

交互方式：

需要创建的文件：

directin.conf

创建的目录：test

说明：是Hvite的配置文件，允许使用直接音频输入，为了允许从输入信号中直接提取声学系数，这个文件必须包含前面训练数据使用的声学分析配置参数。

内容：

指令：

运行结果：

备注：该结果中出现错误，是由于麦克风没有声音。

2.9 性能测试

2.9.1 主标签文件

在性能评测之前，我们需要创建两个文件，命名为主标签文件，扩展名是.mlf：

第一个文件包含整个训练集的正确副本，即是通过手工标注的副本。把ref.mlf记作参考副本。

第二个文件包含整个测试集的识别副本，即识别器产生的假设副本。把reco.mlf记为识别副本。

通过比较每项数据的参考副本和识别假设，进行性能评测。

内容：

ref.mlf：

需要创建的文件：testlist.txt

说明：测试路径

内容：

命令：

运行结果：

运行之后会看到reco.mlf中：

9.2 错误率

需要创建的文件：

labellist.txt

说明：出现在副本文件中的标签列表

创建的目录：result

内容：

results.txt

创建的目录：result

说明：存放错误率结果

命令：

最后显示结果为：

备注： 第一行（SENT）给出句子的识别率（%Correct=100.00），第二行（WORD）给出的是单词的识别率（%Corr=100.00）。上图中，这两个比率是相同的，这是因为我们的任务语法仅使用一个单词（除了停顿之外）作为句子。这是孤立词识别任务。这里只要考虑第一行（SENT）就够了。H=9 给出的是测试数据被正确识别的数量，S=0，表示识别相反的数量。N=0表示测试数据总数。

最后，附工作文件夹下载地址： http://download.csdn.net/detail/everything_at_once/9755627