hidden-markov-models - 用于非语音数据的 HTK HMM

Question

我是使用 HTK 的新手。我想将 HMM 用于非语音数据，但我没有找到任何好的示例，大多数示例都是针对语音的。

我知道我必须将我的数据特征转换为 HTK 格式。

我不知道如何配置 HTK，因为它使用字典和语法，而且我的数据不需要这些东西，因为它不是语音。

有人对此有很好的例子或任何建议吗？

Answer 1

我最近从事基于 HTK 的 OCR 工作，发现这个 ICFHR 教程非常有用 ( http://transcriptorium.eu/~tutorialICFHR/ )。

唯一的本质区别是您的功能，因此所有配置参考 HTK 书就足够了。当然，你需要对一些配置和 HMM 定义进行一些修改，但是 GMM-HMM 的思想永远不会改变。例如，这里是 ASR 和 OCR 之间的映射表。

ASR: phone | tri-phone | lexicon [ word : decomposed_phone_sequence ]
OCR: char  | tri_char  | lexicon [ word : decomposed_char_sequence  ]

我的建议是通读 HTK 书籍并使用一些演示代码。当您第一次使用 HTK 时，您可能会感到困惑，尤其是对于它的命令行参数，但一个月后您会感觉很舒服。