应用HTK搭建连续语音识别系统(总结)

—一 基于HMM的连续语音识别与HTK工具包介绍

—语音识别系统的分类

被识别人：特定人 非特定人

词汇量：小词汇量 中词汇量 大词汇量

说话方式：孤立词 连接词 连续词

语言：汉语 英语 法语…

我们做的非特定人大词汇量连续汉语语音识别系统

也叫 汉语语音听写机

—隐马尔可夫模型（Hidden Markov Model）

隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到每个

观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有响应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程
----具有一定状态数的隐马尔可夫链和显示随机函数集。

~o <VecSize> 39 <MFCC_0_D_A>

~h "proto"

<BeginHMM>

<NumStates> 5

<State> 2

<Mean> 39

0.0 …… 0.0

<Variance> 39

1.0 …… 1.0

<State> 3

<Mean> 39

0.0 …… 0.0

<Variance> 39

1.0 …… 1.0

……

<TransP> 5

0.0 1.0 0.0 0.0 0.0

0.0 0.6 0.4 0.0 0.0

0.0 0.0 0.6 0.4 0.0

0.0 0.0 0.0 0.7 0.3

0.0 0.0 0.0 0.0 0.0

<EndHMM>

一个HMM模型

HTK工具包 包括：

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

—二 搭建连续语音识别系统

数据准备

定义语法

$word=a|ai|an|ang|ao|ba|bai|ban|bang|

……|silence;

( SENT-START <$word> SENT-END)

建立声学模型

b

p

m

f

d

t

n

l

x

zh

ch

sh

z

c

...

最后更新为上下文相关声学模型

z+uo

z-uo

h+ao

h-ao

n+a

n-a

sh+i

sh-i

l+i

sh-ang

y+ou

y-ou

d+e

...

语料库

Sentence
010001:作品一号

Sentence
spell:zuo4 pin3 yi1 hao4

Sentence
010002:那是力争上游的一种树

Sentence
spell:na4 shi4 li4 zheng1 shang4 you2 de0 yi1 zhong3 shu4

Sentence
010003:笔直的干

Sentence
spell:bi3 zhi2 de0 gan4

Sentence
010004:笔直的枝

Sentence
spell:bi3 zhi2 de0 zhi1

Sentence
010005:它的干呢

Sentence
spell:ta1 de0 gan4 ne0

Sentence
010006:通常是丈把高

Sentence
spell:tong1 chang2 shi4 zhang4 ba3 gao1

Sentence
010007:象是加以人工似的

Sentence
spell:xiang4 shi4 jia1 yi3 ren2 gong1 shi4 de0

Sentence
010008:一丈以内

Sentence
spell:yi1 zhang4 yi3 nei4

Sentence
010009:绝无旁枝

Sentence
spell:jve2 wu2 pang2 zhi1

Sentence
010010:它所有的丫枝呢

Sentence
spell:ta1 suo3 you3 de0 ya1 zhi1 ne0

Sentence
010011:一律向上

Sentence
spell:yi1 lv4 xiang4 shang4

Sentence
010012:而且紧紧靠拢

Sentence
spell:er2 qie2 jin3 jin3 kao4 long3

Sentence
010013:也象是加以人工似的

Sentence
spell:ye3 xiang4 shi4 jia1 yi3 ren2 gong1 shi4 de0

自己录制+网上交换语料 一共有大概3G的语料

数据特征提取

MFCC 利用HCOPY工具

数据训练

为每一个基元建立一个隐马模型

+

上下文无关训练

+

上下文相关训练

+

增加混合度训练

识别率

------------
Overall Results ------

WORD:
%Corr=85.71, Acc=79.15

==================================