有没有办法使用 HTK 获得单音素概率？

Question

理想情况下，我正在寻找的是一种获取音频文件的特定片段是特定 phone 的概率向量的方法。类似于：

输入：

wav 文件
开始位置（例如@1.4 秒）
持续时间（例如 500 毫秒）

输出：

SIL 2.324*10^-3
AA 1.514*10^-4
AE 1.482*10^-2
...
ZH 5.03*10^-5

Answer 1

您可以在强制对齐模式下获得运行宁HVite的分数。恐怕你必须运行对于你拥有的每个音素：

HVite -A -D -T 1 -l '*' -o NTW -C HTK.cfg -a \
    -H macros \
    -H hmmdefs \
    -i acoustic_score_AA.mlf \
    -y lab \
    -I AA.mlf \
    -S index.scp \
    words phones

输出文件 acoustic_score_AA.mlf 将包含结果。我

words 词汇文件的内容应该是这样的：

AA AA
AE AE
....
ZH ZH

据我所知，phones 必须包含音素列表（HMM 模型）。

这里的技巧是输入 .mlf 文件的内容。例如，AA.mlf 应该是这样的：

#!MLF!#
"*/S0001.lab"
AA
.

这将强制 HVite 对整个话语应用 AA 模型。必须提前对音频文件进行分块。

有没有办法使用 HTK 获得单音素概率？

Is there a way to get the monophone probability using HTK?

speech-recognition

htk