我是一名IT学生，并使用语音信号处理工具包（SPTK）完成动态时间扭曲（DTW）的任务，并比较两位发言者所说的一些词，并找出相似之处。 我设法让SPTK正常工作，收集了8个人（4个女性，4个男性），每个人为我录制了8个单词（每个人都有相同的单词）并将其保存为扩展名为.wav的文件。
我的.wav文件是：RIFF（小端）数据，WAVE音频，单声道16000 Hz。 我将每个.wav文件转换为.short数据文件。 我用这行代码将每个.short文件转移到.mcep文件：
x2x +sf < source_maleA.short | frame -l 400 -p 80 | window -l 400 -L 512 | mcep -l 512 -m 20 -a 0.42 > source_maleA.mcep
之后，我用这行代码比较.mcep文件：
dtw -m 24 target_maleB.mcep < source_maleA.mcep > source_maleA_target_maleB.dtw
该命令行的输出应该是数值（可能是float / double / int值）或几个值。问题是，我不确定如何打开.dtw文件，在我得到的文档中没有任何关于它的好信息。当我尝试在任何编辑器中打开它或在终端中捕捉它时，我会得到一些奇怪的字母作为输出[图片1]。
在文档中，它说使用参数-s [Score]我可以得到DTW过程的分数。所以我用这个命令行尝试了它：
dtw -m 24 -s Scorefile target_maleB.mcep < source_maleA.mcep > source_maleA_target_maleB.dtw
我得到一个值，但格式很奇怪。
我在网上和许多关于.dtw文件的文档中搜索过但无法找到任何内容。我试图将结果转换为另一种格式，但没有任何运气。 试图联系我的导师，但到目前为止还没有答案，已经有一段时间了。
任何人都可以给我任何关于做什么或其他什么的建议？ 文档可以在这个网站上找到：http://sp-tk.sourceforge.net/（抱歉没有链接，但仍然没有足够的声誉 - 如果必须的话会删除），但我认为它不需要那么多因为我认为我非常了解DTW过程，并认为我已经做好了，只是输出导致了我的问题。
提前致谢，
马哥。
答案 0 :(得分：0)
分数文件是浮动的，因此您必须使用来自 SPTK 的 x2x 命令将其转换为 asci：
x2x +fa scorefile.bin > scorefile.txt
