语音识别学习总结
前端时间用HTK磕磕碰碰的走了一遍语言识别的整个流程，对语言识别有了个初步的了解，下面是自己对这段时间学习的总结。
语音识别系统整体上包括两大部分：训练和识别。 训练：海量语音、语言数据库 —(信号处理和知识挖掘)—> 声学模型+语言模型 识别：利用训练好的“声学模型”和“语言模型”对用户说话的特征向量进行统计模式识别（又称“解码”），得到其包含的文字信息, 乔正“声学模型”和“语言模型”。 一个最基本的语音识别系统（去除了训练部分的识别系统）如下图所示
主要包括一下四个模块 1.特征提取 a)用HCopy可以对语音材料库中的声音文件提取MFCC声纹特征 2.声学模型 a)用HInit，Hcompv，HRest等工具来训练声学模型（HMM） 3.语音模型 a)用HParse来训练语音模型 4.字典 a)发音对应到文字 有了以上准备之后就可以用HVite进行识别： 识别的大概原理就是，用生成的语音模型形成图（用字典把语音模型的词转成与其对应的基本元），图的点就是词的基本元，图里边的权值根据声学模型的HMM计算出来，然后对提取出来的MFCC声纹特征（理解成一个矩阵数组）在图里找路径正好覆盖它。这条路径对应的词就是识别的结果 最后HTK给我的感觉就是HTK的参数设置有点乱，最后整个试验过程中在语料准备方面微微遇到点麻烦。
参考链接： HTK官方主页：http://htk.eng.cam.ac.uk/ 新加坡国立大学语言识别课件：http://www.comp.nus.edu.sg/~simkc/slides/ 语音识别工具箱之HTK安装与使用： http://www.cnblogs.com/mingzhao810/archive/2012/08/03/2617674.html
blog comments powered by Disqus