HTK語音識別示例(Ubuntu)

一、簡介

HTK(Hidden Markov Model Toolkit)是一款語音識別工具包，誕生於Cambridge University Engineering Department (CUED)，后來幾經易手，目前的HTK3由CUED和Microsoft維護。現在Microsoft對HTK依舊保留一定的版權，但是源碼可以免費獲得，用於教學和科研是沒有問題的。

這里是我使用的源碼與教程的當時版本HTK-3.4.1：

源碼：http://pan.baidu.com/s/1gf9qAD9

教程htkbook：https://pan.baidu.com/s/1R-J67qAkG5u3XzoUQeqn2A

其他高手中文版教程（針對windows）：http://pan.baidu.com/s/1jHsiPpW

 

最新源碼與文檔可以查詢官網：

http://htk.eng.cam.ac.uk/

 

以下是我在范例中使用到的音頻和相關腳本文件等資料：

字典文件：http://pan.baidu.com/s/1mgJZPFE

相關腳本：http://pan.baidu.com/s/1i3Hyfv3

訓練音頻：http://pan.baidu.com/s/1dDEOxtJ

測試音頻：http://pan.baidu.com/s/1jGuvyPS

鑒於HTK Book里給的sample一點而都不simple，作為初學者，各種麻煩還是很折騰人的。

這里，我“篡改”了HTM Book示例的部分流程，以求簡單。

 

二、流程概覽：

整個流程就如同下圖一樣，首先我們錄制語音，然后HMM模塊處理語音文件，之后便被識別出相應的文本文件。

那么，htk扮演的角色是什么呢？如下圖，htk的作用就是訓練出HMM模塊。

為什么說是“訓練”呢？簡單的說，就是因為各個人的口音不同，所以，如果要“訓練”HMM模塊來適應不同的口音。

 

 

以下，我將訓練出這樣的HMM模塊：識別“RED”， “YELLOW”， “BLUE”三個單詞，步驟為

（一）准備訓練語音文件；

（二）雜項准備；

（三）訓練HMM模塊；

（四）看看成果。

 最后成果

在此，還感謝前輩的探索，幫了我幫了我不少：

http://blog.csdn.net/wbgxx333/article/details/17639373