问题标签 [htk]

我正在尝试使用HDManhtk 工具包的命令，但出现“致命”错误。我的控制台如下所示：

HDMan找不到names文件。我不知道如何创建这个文件以及这个文件的内容是什么。

谁能帮帮我吗？

问候小伙伴们，

我正在拼命地尝试在 htk 3.4 中找到我必须修改的文件，以便我可以直接读取语音的音素/单音素的后验概率序列，并将它们直接转发给解码器，同时考虑到声学和语言模型。

更详细地说，我正在遵循 HTK 教程，包括第 9 步，我只想在单声道上工作。我的（自己的，特定的）特征向量是具有每个音素 3 种状态概率的向量序列，类似于

(p(aa_begin), p(aa_mid), p(aa_end), ..., p(z_begin), p(z_mid), p(z_end))

对于话语中的每一帧，其中的条目，如上所述，已经是后验概率。

知道我需要修改哪些文件才能从我的（特定）文件（自己的二进制格式）中读取这些文件，以及如何将它们直接转发到解码器吗？最好让我可以使用 HVite 和 HEResult 来获得结果？

非常感谢您的帮助，G。

我已经使用 HTK（隐藏马尔可夫模型工具包）来识别用于控制我的 Android 应用程序的特定命令，但在这种情况下，我需要将一些语音数据传递到服务器，这可能会花费更多时间。

为了防止这种延迟，我正在考虑使用pocketsphinx通过 Android 应用程序在本地识别语音数据，这样我就不需要将该音频传递给服务器。

如果这是个好主意，从头开始学习pocketsphinx 容易吗？此外，这两种技术（基于服务器和本地语音识别）的优缺点是什么，哪一种更好？

我想为听写之类的应用程序构建语音识别系统。我阅读了 htk book 和其他教程，但所有教程都是针对命令和控制之类的应用程序。对于这些应用程序，命令集、字数有限，并且是使用任务语法（gram文件）手动指定的。

在我的应用程序中，无法指定这样的语法，因为我将处理包含两个人之间对话的巨大音频文件。

所以我想知道是否可以使用 htk 构建这样的应用程序。

谢谢...

睡了很多晚后更新

我使用 Sphinx 获得了 86% 的准确率。语言模型存在一些问题（我不知道它到底出了什么问题，我正在努力找出它）所以我使用 Sphinx 创建了新的语言模型lmtool，这是一个基于 Web 的语言模型生成服务。您可以使用此链接获取它

此外，我已将声学模型从 HUB 更改为 WSJ。

我想使用 HTK 构建一个语音识别系统，因此从http://www.keithv.com/software/htk/us/（训练数据：WSJ SI-84）下载了一个带有绑定状态的预训练声学模型。

但是，当我尝试使用字典运行 HVite 时，出现以下错误：

其中macros、hmmdefs和tiedlist是从上面的链接下载的文件。test.scp包含我的功能文件的路径。

我的dict文件如下所示：

wdnet使用 生成HParse grammer wdnet，其中 的内容grammar如下：

tiedlist没有包含 的行z-ia+r，但为什么这是一个错误，我该如何解决？

这个问题解决了

我的任务：
我有一个带有以下文件头的 .sph 文件：

NIST_1A
1024
conversation_id -s4 2001
database_id -s25 Switchboard-1_release-2.0
channel_count -i 1
sample_coding -s4 ulaw
channels_interleaved -s4 TRUE
sample_count -i 2018387
sample_rate -i 8000
sample_n_bytes -i 1
sample_sig_bits -i 8
end_head

我想将上述文件传输到没有编码且没有 channels_interleaved 行为的 .sph 文件，这样我的文件头将如下所示：

NIST_1A
1024
conversation_id -s4 2001
database_id -s25 Switchboard-1_release-2.0
channel_count -i 1
sample_count -i 2018387
sample_rate -i 8000
sample_coding -s4 pcm
sample_n_bytes -i 2
sample_sig_bits -i 16
end_head

我的方法：
sph2pipe -c 1 -p 输入输出

我正在尝试开发一个阅读评估器（阅读导师的子集 - http://www.cs.cmu.edu/~listen/，它基于 CMUSphnix 语音识别器）。我的评估器将主要用于测试英语的韵律（或现在的流利程度），但用于测试尚不可用的印度口音。

具体来说，我会向读者展示一个阅读测试，其中包含一个固定的故事，比如 500-1000 个单词。语音数据将被记录并分析停顿、中断、音高、强度等，最后将根据评估为读者分配一个分数。

现在。这就是问题所在。对于较新的语言，HTK 需要事先指定 (1) 语法、(2) 发音模型和 (3) 声学模型（训练）。而在我的情况下，由于故事是固定的并且与庞大的英语词汇相比非常小，我认为可能不需要做所有这些。

我是这个领域的初学者，所以有人可以指导我什么是（a）最简单、最省力的方法来自己进行初步测试以进行快速演示（骨架）？(b) 在上面提到的三个模型中，应该改变什么以及如何为 2-3 个固定故事开发可靠的可测试原型？(c) 任何其他帮助我开始这个项目或任何其他建议/批评将不胜感激。

PS 同样，请注意，我们只会使用英语，但会在印度场景中进行测试；我们的总单词集会低到大约 100-200 个，所以我觉得识别准确率可以比通常的工具更好，而且工作量要低得多（训练、语法模型等）。

非常感谢。

I have tried several times to compile and install HTK but I just can't get through Step 5! When executing "make install" (after "make all" executed correctly) I get the following output:

I just don't know what to do and there isn't nothing on the net. Does anyone have any ideas how I can install HTK?

我想使用 HTK 工具箱进行数字识别。所以我下载了它并阅读了有关如何使用它的说明！但是当我想使用时，HSGen我遇到了这个错误：

所以我做的步骤如下：

做一个语法，我的文件内容与存储在名为gram的文件中完全相同：

使用HParse命令为这个语法建立一个网络，它的内容是（存储在一个名为wdnet的文件中）：

I=0 W=!NULL
I=1 W=!NULL
I=10 W=SEVEN
I=11 W=EIGHT
I=12 W=NINE
I=13 W=ZERO
I=14 W=SENT-END
I=2 W=SENT-START
I=3 W=ONE
I=4 W=!NULL
I=5 W=TWO
I=6 W=THREE
I=7 W=FOUR
I=8 W=FIVE
I=9 W=SIX
J=0 S=14 E=1
J=1 S=0 E=2
J=10 S=11 E=4
J=11 S=12 E=4
J=12 S=13 E=4
J=13 S=2 E=5
J=14 S=2 E=6
J=15 S=2 E=7
J=16 S=2 E=8
J=17 S=2 E=9
J=18 S=2 E=10
J=19 S=2 E=11
J=2 S=2 E=3
J=20 S=2 E=12
J=21 S=2 E=13
J=22 S=4 E=14
J=3 S=3 E=4
J=4 S=5 E=4
J=5 S=6 E=4
J=6 S=7 E=4
J=7 S=8 E=4
J=8 S=9 E=4
J=9 S=10 E=4
N=15 L=23
VERSION=1.0

我有一个名为wlist2的单词列表文件，它的内容是：

我使用HDMan命令来构建字典文件：

其中mbeep2是我的字典，其中包含我wlist2中每个单词的发音。输出文件在名为dict2的文件中创建。

通过此命令使用HSGen时：

我收到了这个错误：

我搜索错误号，但找不到相关的解决方案！任何人都可以帮忙吗？

谢谢。

我有一些在线手写样本的 xy 坐标，我从中计算一些统计参数，我想使用这些参数制作基于 HMM 的识别器。

由于 HMM 工具包或 HTK 最初是为语音识别而设计的，所以我无法理解如何使用 HTK 执行在线单词识别。

有人可以帮我理解如何将我的参数作为该工具包的输入以及它将给出什么输出？？？？？？