连接数字识别器与HTK

Question

我正在尝试使用HTK开发一个基本的连接数字识别器。此时，识别器需要仅识别0-10的数字并且与说话者有关（现在不是问题）。以下是我的认可方式：

1. 获取用户录制的wav文件并创建MFCC。

2. 在word文件和字典作为输入的mfcc文件上运行HVite。

   关于hmm模型培训的注意事项：

训练初始HMM模型的基本单位已从口语数字字符串中剔除。我最终得到了大约20个单位的每个数字（大约），用于制作初始模型。嵌入式训练模型通过连接基本单元（连续选择基本单元连接）来合成。以这种方式产生的句子总数约为20000.另外109个句子取自在测试阶段所说的实际单词。

我面临的问题如下：
1.在长度大于4的连接数字串中，我将数字插入输出的输入字符串中 例如。）输入：99102，输出：989818082
请注意，输入中的所有数字都被正确识别，只是输出中引入了无关的数字。查看mlf文件显示与这些单词关联的似然值也类似。知道为什么会这样吗？

我已经通过网络寻找解决方案，但没有遇到任何问题。我们非常欢迎任何帮助。

Answer 1

您需要设置单词插入惩罚（对于HVite -p选项） - 最可能设置为0.0（默认值）。你必须要玩这个值。从-1.0开始，更负面。