3.创建绑定状态的三音素HMM模型

目的是加入上下文依赖（context-dependent）三音素模型并得到稳健的训练。包括两步，先由单音素得到三音素并重估参数，第二步就是绑定三音素的状态以使输出更加稳健。

[step 9]得到三音素HMM

上下文依赖三音素模型可以用单音素作为初始，再进行重估。由于重估时要三音素级标注文本，就先生成标注文本。

创建文件：mktri.led

创建位置：根目录

文件内容：

生成文件：wintri.mlf（由单音素标注文本文件aligned.mlf 转换成的等价三音素标注文本）triphones1（一个三音素的列表）

生成位置：lists labels

执行:

HLEd -n .\lists\triphones1 -l * -i .\labels\wintri.mlf mktri.led .\labels\aligned.mlf

下面利用HMM 编辑器初始化三音素模型。

执行：

perl .\scripts\maketrihed .\lists\monophones1 .\lists\triphones1

生成文件：mktri.hed

生成位置：根目录

注：修改mktri.hed 文件，把第一行的.\lists\triphones1 改成./lists/triphones1 

执行：

HHEd -H .\hmms\hmm9\macros -H .\hmms\hmm9\hmmdefs -M .\hmms\hmm10 mktri.hed .\lists\monophones1 

运行HHEd 得到如下警告，没有大碍的：

重估两次：

HERest -C .\config\config1 -I .\labels\wintri.mlf -t 250.0 150.0 1000.0 -S train.scp -H .\hmms\hmm10\macros -H .\hmms\hmm10\hmmdefs -M .\hmms\hmm11 .\lists\triphones1 
HERest -C .\config\config1 -I .\labels\wintri.mlf -t 250.0 150.0 1000.0 -s stats -S train.scp -H .\hmms\hmm11\macros -H .\hmms\hmm11\hmmdefs -M .\hmms\hmm12 .\lists\triphones1 

两次均会有如下警告，不用理会：

试着执行一下识别任务，看看如何： 

HVite -H .\hmms\hmm12\macros -H .\hmms\hmm12\hmmdefs -S test.scp -l * -i recout_step9.mlf -w wdnet -p 0.0 -s 5.0 .\dict\dict2 .\lists\triphones1 

这时会报错：

通过分析将dict2中SUE的第二种发音注释掉就可以了

再运行：

新错误：

然后分析之后把FOUR的第二种发音注释掉

将dict2改成dict4

执行：

HVite -H .\hmms\hmm12\macros -H .\hmms\hmm12\hmmdefs -S test.scp -l * -i .\results\recout_step9.mlf -w wdnet -p 0.0 -s 5.0 .\dict\dict4 .\lists\triphones1

进行识别验证： 

执行：
HResults -I .\labels\testwords.mlf .\lists\monophones1 .\results\recout_step9.mlf 
所得结果如下： 

可以看出，基于三音素的HMM 比基于单音素的 HMM 有较大的性能提升。 
我们进一步进行讨论dict4 的由来。由于在 step 8 中对标记文本和语音数据进行了校准，对于象FOUR ，SUE 这样有多个发音的单词，在 Vitebi 算法的作用下，会选择最大化似然率的单词，而不是象step 4 那样选择第一种读音。结果使 dict2 中的发音在扩展成三音素时在音素级真值文本中没有实例，当然也就找不到该三音素的 HMM 模型。这时会报错。根据这个原理，可以编一个Perl 脚本自动对字典中没用到的单词注释掉。我把这个脚本命名为
makedict.pl，包含在 scripts 文件夹里。它可以代替上面的手工注释工作，使用下面的命令可以得到dict4： 
perl .\scripts\makedict.pl .\dict\dict2 .\dict\dict4 .\lists\triphones1

[step 10]绑定三音素

在上一步估计模型时，因数据不足导致很多分布的方差只好用截至方差vFloors。这一步就是通过绑定状态来共享数据，使输出分布更加的稳健。HHEd 提供两种聚类状态的机制，这里采用的是决策树： 

执行：

perl .\scripts\mkclscript.prl TB350.0 .\lists\monophones0>tree.hed

生成tree.hed文件，内容如下：

还要往tree.hed 中插入问题集（在HTK DEMO里面有参考qusts.hed（在HTKDEMO里）和 trace 等信息。最终形式如下：

在tree.hed 中，tiedlist 是绑定后的不同三音素列表。fulllist 是输入参数，代表绑定前的
所有三音素列表，所以要事先制作。HTK book的制作方法： 
HDMan -b sp -n .\lists\fulllist -g global2.ded -l flog .\dict\beep-tri .\dict\beep 
其中，文件global2.ded 是在 global.ded基础上加入了TC命令： 

执行：

HHEd -H .\hmms\hmm12\macros -H .\hmms\hmm12\hmmdefs -M .\hmms\hmm13 tree.hed .\lists\triphones1 > log

HDMan这里所做的工作包括 1 ）按照global.ded的配置把 beep 字典中的发音扩展成（词内）三音素形式，保存到beep-tri字典；2）提取beep-tri中出现的所有不同三音素保存到 fulllist列表中。但是你会发现，按照上述方式制作的fulllist 在执行 HHEd 时会引发错误：

解决办法：

对dict2 进行修改，另存为 dict5，其中去掉了下述两项： 
SENT-END []  sil 
SENT-START []  sil

执行HDMan生成fulllist ： 
HDMan -b sp -n .\lists\fulllist -g global3.ded -l flog .\dict\dict5-tri .\dict\dict5 
上面的global3.ded 是在 global2.ded 基础上去掉了 AS sp一行，因为 dict5 中的每一单词
发音后已经存在sp 了。文件 global3.ded 的内容如下：

重新执行一遍则不会报错。

生成文件：tiedlist log stats

重估两次：

HERest -C .\config\config1 -I .\labels\wintri.mlf -t 250.0 150.0 1000.0 -S train.scp -H .\hmms\hmm13\macros -H .\hmms\hmm13\hmmdefs -M .\hmms\hmm14 .\lists\tiedlist

这时候会报错：

解决办法：

在fulllist中加入sil

在重复一遍，这次仅有一个警告：

再重估一次：

HERest -C .\config\config1 -I .\labels\wintri.mlf -t 250.0 150.0 1000.0 -S train.scp -H .\hmms\hmm14\macros -H .\hmms\hmm14\hmmdefs -M .\hmms\hmm15 .\lists\tiedlist 

这次的警告与上次相同，没有关系的。

4.识别器评估

[step 11]验证识别结果

用Viterbi 算法进行识别已经在前文多处涉及，执行如下命令： 
HVite -C .\config\config1 -H .\hmms\hmm15\macros -H .\hmms\hmm15\hmmdefs -S test.scp -l * -i .\results\recout_step11.mlf -w wdnet -p 0.0 -s 5.0 .\dict\dict4 .\lists\tiedlist 

HResults -I .\labels\testwords.mlf .\lists\tiedlist .\results\recout_step11.mlf 

所得结果：

以上包括之前的三篇博文就是基于HTK的连续语音识别系统搭建学习笔记！