“（二）雜項准備"之后，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，生成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，生成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，生成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
以上命令完成之后，在hmm1、hmm2、hmm3目錄下都會生成macros和hmmdefs
2、“特殊處理”hmm4，並生成hmm5：
（1）獲得hmm4目錄下hmmdefs文件：
perl ./scripts/fixSil hmm3/hmmdefs hmm4/hmmdefs
（2）復制hmm3目錄下macros至hmm4目錄下：
cp hmm3/macros ./hmm4/macros
（3）手動編輯sil.hed文件，並置於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）生成hmm5：
HHEd -H ./hmm4/macros -H ./hmm4/hmmdefs -M hmm5/ config/sil.hed ./lists/monophones
此時，hmm5目錄下會生成hmmdefs和macros
（5）去除mkphones_color.led最后一行，保存文件mkphones_color_HLEd.led至config目錄下
HLEd -l '*' -d ./dict/dict_color -i ./labels/phones_color.mlf ./config/mkphones_color_HLEd.led ./labels/trainwords.mlf
3、從“hmm5“訓練到"hmm7“：
以hmm5為基礎，生成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，生成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
注：以上命令執行過后可能會有類似：“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