神马文学网TIP26:HTK搭建音频分类系统的一般步骤？ - Pohai‘s Here - 博客大巴
来源：百度文库 编辑：神马文学网 时间：2024/05/28 05:25:08
用HTK搭音频分类系统是个比较简单的工作，推荐用perl写程序主体，调用HTK函数来完成。语音识别系统的搭建过程与此类似，可以自行修改，具体细节推荐参看《htkbook》和《htk_basic_tutorial》，前者讲得很仔细，后者条理很清晰，训练到识别的过程一目了然。
1、特征提取
HCopy -A -D -T 1 -C hcopy.cfg -S train.scp
其中hcopy.cfg是hcopy的配置文件，train.scp给出音频所在的路径和特征存储路径。
2、模型初始化
a)按htk的模型格式写一个初始模型proto，可以用htkDemo中的mkProto，但需要设置配置文件。
b)初始化
HCompV -A -D -T 1 -C htk.cfg -S trainlist -f 0.01 -m -M hmm0 proto
htk.cfg为配置文件，trainlist给出所有特征文件所在路径，-M 后接初始化后模型路径，最后为初始化前模型完整路径。
c)模型分化
system("flatstart proto hmmLst >> hmmdefs")
把proto改名成hmmLst里的model名称复制到hmmdefs中去，这样proto就成为了每一种model的原型。这里要注意在~h "proto"前面必须要有三行才能正常执行，hcompv后的proto才符合要求，直接mkProto出来的proto不符合。
3、参数重估
a)mixture分裂
HHEd -H hmmdefs mixHed hmmLst #按照mixHed里的设置分裂hmmLst所列的模型
HERest -C htkCfg -I trainMlf -t 0 150.0 1000.0 -S trainLst -H hmmdefs hmmLst
#重估参数，trainMlf里是对每个特征文件的标注，trainLst同上
一般这样的分裂不是一次到位的，从1个分2个，2个分4个，大于8后，每次增加的个数是原有mixture的一半。用HHEd分裂一次后，需要用HERest重估3-4次。
b)迭代重估
这一步一般在ubm中才会用到，因为它是先对proto分裂，再flatstart分化模型，最后用迭代重估自适应到不同的模型。
HERest -C htkCfg -I trainMlf -t 0 150.0 1000.0 -S trainLst -H hmmdefs -M curDir hmmLst
-M选项给出的是新模型存放的路径，若缺省，则在原位置更新原模型。
4、识别
1)提取特征，同上
2)生成wdnet文件
hparse-A -D -T 1 gram wdnet #根据gram得到wdnet
3)解码
HVite -A -C htkCfg -H hmmdefs -w wdnet -l ‘*‘ -i recgMlf -S recgLst -p 0.0 -s 5.0 -o NT dict hmmLst
5、结果统计
HResults -I refMlf hmmLst recgMlf
其中-I为正确的标注。
这就是用htk搭建一个音频分类系统最简单最本质的流程，但如果要达到很好的效果，还是需要做一些改良的。