（三）訓練HMM模組

標籤：

“（二）雜項準備"之後，我們就已經訓練了一個hmm模型了——“hmm0”。

接下來，我們將以“hmm0”作為基礎，一路訓練到“hmm7"。

 

1、從“hmm0"訓練到"hmm3"：

執行以下3條命令：

以hmm0為基礎，產生hmm1
HERest -C ./config/config_color -I ./labels/phones_color.mlf -t 250.0 150.0 1000.0 -S ./config/train.scp -H ./hmm0/macros -H ./hmm0/hmmdefs -M ./hmm1/ ./lists/monoOffSP

以hmm1為基礎，產生hmm2
HERest -C ./config/config_color -I ./labels/phones_color.mlf -t 250.0 150.0 1000.0 -S ./config/train.scp -H ./hmm1/macros -H ./hmm1/hmmdefs -M ./hmm2/ ./lists/monoOffSP

以hmm2為基礎，產生hmm3
HERest -C ./config/config_color -I ./labels/phones_color.mlf -t 250.0 150.0 1000.0 -S ./config/train.scp -H ./hmm2/macros -H ./hmm2/hmmdefs -M ./hmm3/ ./lists/monoOffSP

以上命令完成之後，在hmm1、hmm2、hmm3目錄下都會產生macros和hmmdefs

 

2、“特殊處理”hmm4，並產生hmm5：

（1）獲得hmm4目錄下hmmdefs檔案：

perl ./scripts/fixSil hmm3/hmmdefs hmm4/hmmdefs

（2）複製hmm3目錄下macros至hmm4目錄下：

cp hmm3/macros ./hmm4/macros

（3）手動編輯sil.hed檔案，共置於config目錄下，sil.hed內容如下

AT 2 4 0.2 {sil.transP}  AT 4 2 0.2 {sil.transP}  AT 1 3 0.3 {sp.transP}  TI silst  {sil.state[3],sp.state[2]} 

（4）產生hmm5：

HHEd -H ./hmm4/macros -H ./hmm4/hmmdefs -M hmm5/ config/sil.hed ./lists/monophones

此時，hmm5目錄下會產生hmmdefs和macros

 

3、從“hmm5“訓練到"hmm7“：

以hmm5為基礎，產生hmm6
HERest -C ./config/config_color -I ./labels/phones_color.mlf -t 250.0 150.0 1000.0 -S ./config/train.scp -H ./hmm5/macros -H ./hmm5/hmmdefs -M ./hmm6/ ./lists/monophones
以hmm6為基礎，產生hmm7
HERest -C ./config/config_color -I ./labels/phones_color.mlf -t 250.0 150.0 1000.0 -S ./config/train.scp -H ./hmm6/macros -H ./hmm6/hmmdefs -M ./hmm7/ ./lists/monophones

 註：以上命令執行過後可能會有類似：“WARNING [-2331]  UpdateModels: sp[8] copied: only 0 egs”這樣的WANGING，可以暫且忽略。

 

訓練到“hmm7”，hmm模型就已經能達到不錯的識別效果了，理論上來說，訓練得越多，識別就會越精確。

若要訓練hmm8、hmm9等等，只要參照以上的“HERest“命令即可。

不過，我打算就到此為止了。

讓我們看看成果吧！

 

HTK Book涉及內容：

Chapter 3: 3.2.2 Step 7 - Fixing the Silence Models

（三）訓練HMM模組