HTK数据准备工具-HLStats

HLStats相对工具比较简单，主要是从输入的HMM列表和一系列的标签文件中进行统计工作，可以帮助我们分析声学训练的数据，也可以生成简单的语言模型，主要是二元语言模型。这个工具的主要功能如下：

1. 统计HMM列表中不同的音节出现的次数。
2. 统计HMM在标签文件中的最小、最大以及平均时长。
3. 计算二元语言模型。
4. 输出给定标签文件的所有被标记标签签列表。 

一，实际例子

语音识别时的识别单元都分别对应有HMM模型，一般识别单元是音节，这是系统的最小能够识别的单元（不是HMM中的状态观察输出单元）。

新建一个HTK标签文件，内容如下（labels.mlf，该文件由HLEd工具生成,具体生成过程见：HTK数据准备工具-HLEd)：

#!MLF!#
"*/sample01.lab"
sil
w
ah
n
w
ah
n
w
ah
n
w
ah
n
w
ah
n
w
ah
n
w
ah
n
w
ah
n
sil
.

除去sil，包含n、w、ah三种音节的HMM模型，所以HMM列表文件如下：

[root@localhost hlstats]# cat hmmlist 
n
w
ah
[root@localhost hlstats]# 

生成二元语言模型

[root@localhost hlstats]# HLStats -b bi-model hmmlist labels.mlf 
[root@localhost hlstats]# cat bi-model 
!ENTER    0 2.500000e-01*4
ah        0*2 1 0*2
n         0*3 1 0
w         0 1 0*3
!EXIT     0 2.500000e-01*4
[root@localhost hlstats]# 

上面输出的二元模型中!ENTER和!EXIT是每个标记标签文件的默认入口和退出的标签，这个可以通过-s选项来重新指定，如

[root@localhost hlstats]# HLStats -s sil sil -b bi-model hmmlist labels.mlf 
[root@localhost hlstats]# cat bi-model 
sil       0*3 1
ah        0*2 1 0
n         1.250000e-01 0*2 8.750000e-01
w         0 1 0*2
[root@localhost hlstats]# 

统计HMM

[root@localhost hlstats]# HLStats -s sil sil -c 100  hmmlist labels.mlf

Logical Model Counts:
       Label   LCount   PCount
         sil        2        0
           w        8        8
           n        8        8
          ah        8        8

[root@localhost hlstats]#