htk实验笔记_史上最完整版

《htk实验笔记_史上最完整版》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Htk实验笔记——YesOrNo孤立词识别（史上最完整版哦）[摘要：本试验中，我们将基于HTK对象散设立建设一个2-单词辨认体系，辞汇散是{Yes，No}。那是能够计划出去的最根基的主动语音辨认（Automaticspeechrecognition，ASR）体系。方针：设立建设一个伶仃词识]　　本实验中，我们将基于HTK工具集建立一个2-单词识别系统，词汇集是{Yes，No}。这是可以设计出来的最基本的自动语音识别（Automaticspeechrecognition，ASR）系统。目标：建立一个孤立词识别系统，只包含yes和no两个词。步骤： A

2、: 创建一个语料库，确定识别基本元（如单词yes,no等），yes和no各录5次 B: 声学分析，把waveform的声音文件转换为mfcc（）格式 ，即对语音材料库中的声音文件提取MFCC声纹特征 （梅尔频率倒谱系数，这个部分的详解见教程10）。C: 模型定义: 为词典里的每一个词（基本元）建立一个HMM原型   D: 模型训练: HMM模型初始化和迭代，利用MFCC声纹特征对每一个HMM模型进行训练，使模型参数与其描述的识别基本元对应。E: 问题定义，即语法定义，定义输入语音的语法规则等，从发音对应到文字。F: 对测试集合进行识别  G: 评测

3、 使用的教程：1. HTK(V3.1)基础指南中文版http://wenku.baidu.com/link?url=VRsYTg5kQDtTc5hxvnkYXBOO8h0Zzs3yP-QFXAdmDjIJwA78t0qBJCAET9XPXXr7-qTlL7N6I6XcwEzYGJ7fhF2h4b5CaPHLwGNZCBFeSaq2. 语音识别工具箱之HTK安装与使用http://www.cnblogs.com/mingzhao810/archive/2012/08/03/2617674.html3. 语音识别系统之htk------孤立词识别（ye

4、sno）http://blog.csdn.net/wbgxx333/article/details/175350334. HTK(yesno)教程http://www.doc88.com/p-7748040237188.html5. HTK孤立词识别回顾http://wenku.baidu.com/link?url=B1nCFAk9XQBlB0Nd8UrR9sw4ZasCWbT2u9ZzvPoL5RpnEUUHZA8EY-7nJQrbkQOTZYToW7sN-k6gT-AsQBcO9ADnjlVUyFY1r4e_1d14PLO6. 一个简单的HTK

5、入门参考例子http://wenku.baidu.com/view/91639fd7195f312b3169a584.html7. 利用HTK工具包快速建立一个语音命令识别系统http://baidutech.blog.51cto.com/4114344/9043888. Windows安装HTK3.4.1语音识别工具（这里有HSLab运行失败的原因）http://www.cnblogs.com/eboard/archive/2012/02/20/HTK.html9. Htkerrorbookhttp://read.pudn.com/downloa

6、ds38/sourcecode/comm/127382/htk-3.3/HTKBook/.%23errors.tex.1.7__.htm10.UNDERSTANDINGHTKERRORMESSAGEShttp://blog.sina.com.cn/s/blog_4840fe2a0100mdhv.html11.htk源码http://www.verysource.com/code/6757198_1/hmodel.c.html12.  语音信号处理之（四）梅尔频率倒谱系数（MFCC）http://blog.csdn.net/zouxy09/artic

7、le/details/9156785/特别记录一下该博客http://blog.csdn.net/wbgxx333/article/category/1514597，里面有大量语音方面的学习资料。一. 准备工作——预先建立文件夹我在htk目录下建立了work文件夹，今后所有的实验都放在这个文件夹中。在该文件夹中建立YesNo文件夹用于存放本实验的所有文件和数据。YesNo文件夹中的结构如下：        （1）data/：存储训练和测试数据（语音信号、标签等等），包括一个子目录data/train,而train包括2个子目录，data/train

8、/sig(用以存储步骤1接下来录制的训练语音数据) 和data/train/mfcc(用来存储步骤二中训练数据转化后的mf