利用HTK快速建立一个语音命令识别系统

工具包介绍
   
    HTK的全称是“Hidden Markov Model Toolkit”,是英国剑桥大学工程学院开发的隐马尔可夫模型（后面简称为隐马模型）工具包，可以方便有效的建立及操作隐马模型。隐马模型在许多人工智能领域都有着成功的应用，比如语音识别，当前国际上主流的语音识别系统仍是基于隐马模型建立的。HTK的开发也主要是针对语音识别的应用及研究。
   
    HTK是一个开源工具包，可以在http://htk.eng.cam.ac.uk/进行免费下载，工具包中包含许许多多的模块及工具，都是用纯C代码写成的，基本都以H开头。其中也有非常详细的文档可供参考。
   
    建立语音训练数据
   
    首先我们需要录音以采集足够的语音数据，对于“打开、关闭、开始、停止”这四个命令都需要录一些相应的语音样本，同时也需要对录下的语音做一些简单的标注。录音和标注可以采用HTK工具包中的HSLab来完成。
   
    比如在命令行下运行“HSLab打开。sig”,然后点击“Rec”健开始录音，点击“Stop”键录音结束。这时就会在当前目录下生成一个名为“打开_0.sig”文件，再进行一次录音则生成“打开_1.sig”,以此类推。默认的录音采样率为16kHz,我们采用默认的设置就可以了。
   
    录音后需要对语音进行简单的标注，标注也是用HSLab工具，运行后按“Mark”键，选择需要标注的区域，按“Labelas”,输入标注的符号，然后回车确定即可。在本问的例子中，每个语音样本都是孤立的命令词，我们只需要标注出3个部分：起始静音部分（标记为sil），命令词语音部分（标记为命令词，如“打开”），结束静音部分（标记为sil）。标注完成，点击“Save”键保存，会生成一个后缀为“lab”的文件。
   
    特征提取
   
    语音识别系统并不直接在语音信号上进行识别，而是先要进行特征提取，包括分帧，加窗，求取频谱及倒谱，这样确保提取出的特征更加紧凑并尽可能多的保留语音内容的信息。
   
    HTK中负责提取特征的是HCopy工具，它将wav格式的语音文件转化为包含若干特征