有没有办法使用HTK来获得单音电话机率？

Question

理想情况下，我正在寻找一种获取概率向量的方法，该向量表示音频文件的特定片段是特定电话。像这样：

输入：

• wavfile
• 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HVite的得分。恐怕您必须为每个音素运行此程序：

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词汇文件的内容应类似于：

AA AA
AE AE
....
ZH ZH

据我所记得，phones必须包含音素列表（HMM型号）。

这里的技巧是输入.mlf文件的内容。例如，AA.mlf应该像这样：

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

这将迫使HVite对整个话语应用AA模型。音频文件的块必须事先执行。