Ein Beispiel für das Training von Hidden Markov Modellen

Benötigte Software:

Weitere Ressourcen

Für den phonembasierten Erkenner wird noch ein Aussprachelexikon benötigt. Die Datei dazu - vokabular_pho - muss später in das richtige Verzeichnis kopiert werden

Sprachdaten und MLFs

Standardmässig liegen die Sprachdaten im Verzeichnis sprachdaten, aufgeteilt in Referenzen (userdata) und Testdaten (autosave). Die bei den im Buch beschriebenen Daten können von hier (Achtung: 70 MB) heruntergeladen werden.

Skripte

Die Perl-Skripte sollten in einem eigenen Verzeichnis stehen.

Ganzwortmodelle

Die Verzeichnisse mit Sprachdaten und Skripte sollten in ein gemeinsames Verzeichnis gelegt werden. Im folgende Beispiel wurde dazu ein Verzeichnis test_htk verwendet.
Das Training wird mit dem Skript all.pl durchgeführt. Dieser Skript beinhaltet Aufrufe für die einzelnen Aufgaben. Über Schalter können einzelne Aufgabe ausgewählt werden. Sinnvoll ist ein schrittweises Vorgehen, um den Fortschritt kontrollieren zu können. Im Prinzip läuft alles automatisch ab. Es werden Verzeichnisse sowie Listen, Grammatiken, etc. erzeugt. Einige Einstellungen können in den Skripten direkt vorgenommen werden. Vorgesehen ist, mittelfristig alle Konfigurationsinformationen zentral zu verwalten. Ein Ansatz dazu ist die Datei hmmconsts.pm. Von dieser Datei wird eine Kopie in dem Arbeitsverzeichnis erzeugt. Hier können z. Z. im wesentlichen Anzahl der Zustände und der Dichten eingestellt werden. Später wird nur noch die Kopie im Arbeitsverzeichnis verwendet. Beim erfolgreichen Durchlauf stehen anschließend in
arbeit\htkfiles\hmms\hmm.e1\digicom
die Wortmodelle. Insgesamt sollte man folgendes Bild erhalten:
Mit den vorgegebenen Einstellungen - 8 Zustände und 2 Dichten pro Zustand - resultiert eine Erkennungsquote von 96,28%.

Phonemmodelle

Das Training für Phonemmodelle wird mit dem Skript phonem.pl gesteuert. Allerdings sollte zunächst all.pl ausgeführt werden. Ansonsten sind beispielsweise noch keine Merkmale berechnet. Benötigt wird ein Aussprachewörterbuch. Dazu muss die Datei vokabular_pho in das Verzeichnis arbeit\htkfiles\dicts\ kopiert werden. Die Modelle stehen in htkfiles\hmms\hmm.p1\ Mit den vorgegebenen Einstellungen wird ausgehend von einer Dichte pro Zustand mit sogenanntem Mixup die Anzahl bis auf 3 erhöht. Die entsprechenden Modelle sind mit der Endung _1 bis _3 markiert.

Spezial-Skripte

Test der Ganzwortmodelle mit direkter Audio-Eingabe: do_hvite_live.pl
Bestimmung der Phonemgrenzen und Anzeige mit fbview: do_align_phonem.pl