问题标签 [htk]

我正在尝试为印度口音英语（不是任何印度语言）创建一个 TTS 引擎。

我已经有一个印度口音英语的录音数据库。那么接下来的步骤是什么？

我认为我们需要用“.lab”扩展文件标记它们（好吧，我真的不知道！）。带有“.utts”扩展名的文件是什么？

在使用 HMM 实现 TTS 引擎时，说话人自适应训练和说话人依赖训练的目的是什么？

我用谷歌搜索了很多，但找不到详细的解释。（我只能找到一些与之相关的论文和期刊）

如果您可以向我们提供资源链接，指导我使用 Hidden Marvkov 模型创建自定义 TTS，那将非常有帮助。

谢谢你。

我正在使用 HMM 进行场景文本识别。与 HTK 相比，我怀疑 scikit-learn HMM 代码用于训练和预测的速度，因为 sklearn HMM 是用 Python 编写的。

我的数据非常庞大（数十 GB），因此速度是一个关键问题。

希望有人可以分享一些经验。

我有一个使用 HTK 构建的用于在线手写识别的工作模型。现在我想为Android构建另一个识别系统。经过一番研究，我发现 PocketSphinx 有一个在 Android 操作系统上运行的版本。现在，我想到的是将我的 HTK 模型转换为 Sphinx（或在 Sphinx 中重建它），然后将其与 PocketSphinx-on-Android 一起使用。

首先，我的计划中有没有遗漏的地方？

其次，转换后的系统（或使用 Sphinx 重建）是否可以直接在 PocketSphinx 中使用？换句话说，Sphinx 模型是否会进一步转换/适应 PocketSphinx？

提前致谢

我运行 HTK 包从我的数据中提取 MFCC 特征。但是现在这个特性被存储在 .mfc 文件格式，这是根据 htk 书，大端二进制文件。当我在 matlab 中打开这些文件时，有些值似乎是标题值或其他东西，任何人都知道如何将标题值与主数据分开？

我已经使用 Sphinx-4 和 HTK 模型一起构建了一个在线手写识别系统。当我使用HTK自己的解码系统识别率是89%。然而，具有相同 HTK 模型的 Sphinx-4 系统实现了略高于 50%。

这是正常的吗？HTK 模型在 Sphinx-4 精度上是否有提升空间？

谢谢

附加信息：

我使用 LatticeDemo 示例构建了 Sphinx-4 系统，并按照 [ http://nshmyrev.blogspot.com.tr/2009/09/using-htk-models-in-sphinx4.html]中的步骤操作。HTK系统的配置文件如下：

Sphinx-4 的 config.xml 如下：

我正在研究 HTK Tools 如何与手写识别一起工作。在ICFHR–2010 教程之后，我运行了“西班牙数字”语料库的示例，并收到了生成的 HMM（存储在文件夹 hmm 中并列在 中的文件HMMsList），并res32.mlf收到了识别结果HVite。我也有主标签文件 SamplesRef.mlf。现在我想看识别结果统计，即学习HResults工具。

当我运行HResults时

我懂了

但是，如果我添加选项-p以获得混淆矩阵，我会看到以下错误消息：

我了解该消息意味着没有名为“millones”的 HMM，我发现在我的res32.mlf示例中看起来像：

如果我res32.mlf使用文本编辑器更改为res33.mlf内容如下：

... 等等。

并使用samples.mlf（而不是SamplesRef.mlf）内部看起来像：

... 等等。

我有想要的结果：

所以，主要问题是：

制作适合制作混淆矩阵的 mlf 文件的最简单方法是什么（没有文本编辑器）？

（我想我错过了一些 HTK 工具的选项……但是哪个工具和哪个选项？）

任何有用的想法将不胜感激。

I am recently writing a sound detection project using HTK (a HMM tool kit). After testing I get the following result file:

In the official doc, it says the time stamp has a unit of 100ns, so by this result, it says from 0s-4.7s, there is a sound of "keyboard". But the weird thing is that the testing sound file only has 1.9s, here is the detailed information:

Moreover, when I am running HVite, there is a warning:

Maybe this relates to my problem?

Does anybody know why the time stamp is so large? Thanks anyway!

我有一个训练模型的 HMM 定义文件，但它是二进制的。如何将其转换为文本/ASCII 以便于使用？我从http://www.keithv.com/software/htk/us/获得了这个训练有素的模型

我刚刚使用 gcc 3.4 编译器在我的 64 位 Ubuntu 中安装了 HTS-2.2 和 HTK-3.4.1。在那之后，输入 HInit 和 HCopy 等似乎工作。所以我想知道 HTKDemo 是如何工作的。

当我运行演示时，HTK 导致了一个问题：

原型 S、V、N、C 也是如此。

我真的很想知道原因以及如何解决它？谢谢！

我相信这个错误与我的tielist 和 hmmdefs 之间的不匹配有关（如此处指出：http ://www.ling.ohio-state.edu/~bromberg/htk_problems.html ），但我不能似乎解决它。我的语料库中的所有三音素都存在于我的 triphones1 列表中，而 triphones1 仅包含我的语料库中的单音素、双音素和三音素。

如果我从 triphones1 列表中取出所说的 triphone 并重新创建它通过但抱怨另一个 triphone 在路上。显然，手动取出所有这些三音素将花费我数年时间，而且它似乎效率不高，这让我相信我错过了更早的东西。

同样重要的是要注意，所有这些产生错误的三音素也在我的语料库中。对我来说，这个错误只有在我在某个地方有看不见的三音素时才有意义，但在哪里呢？我觉得我已经不遗余力了，但肯定有人可以让我对去哪里有一个全新的想法。