HTK HMM用于非语音数据

Question

我是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例子，大多数都是用于语音的例子。

我知道我必须将我的数据功能转换为HTK格式。

我不知道的是，如何配置HTK，因为它使用字典和语法，我不会因为它不是语音而需要我的数据。

有人对此有好的例子或建议吗？

Answer 1

我最近在基于HTK的OCR上工作，发现这个ICFHR教程非常有帮助（http://transcriptorium.eu/~tutorialICFHR/）。

唯一的区别在于您的功能，因此将HTK书籍用于所有配置就足够了。当然，您需要对某些配置和HMM定义进行一些修改，但GMM-HMM的想法永远不会改变。例如，这是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  ]

我的建议是全面阅读HTK书籍并播放一些演示代码。当你第一次使用HTK时，你可能会感到困惑，特别是对于它的命令行参数，但你会在一个月内感到舒服。