kaldi学习笔记-三音素训练2

本文介绍三音素训练部分。

上篇文章已经提到了如何对三音素聚类，构建决策树，接下来进行对三音素中各个GMM进行训练。三音素训练部分和单音素大致相同，都是运用EM算法进行参数的更新，具体部分可以看单音素训练部分。同样也是用gmm-align-compiled，gmm-acc-stats-ali，gmm-est这三个进行参数更新，重新对齐等。本文因此主要介绍与单音素训练不同的初始化部分。

1. gmm-init-model

Usage: gmm-init-model [options] <tree-in> <tree-stats-in> <topo-file> <model-out> [<old-tree> <old-model>]

输入：决策树，决策树统计量，topo文件
输出：三音素的模型

读取决策树的统计量计算mean，mean_invvar，gconst等建立声学模型am-gmm，运用该函数InitAmGmm()。用tree和topo初始化TransitionModel trans_model。将transition model和am-gmm 共同输入到1.mdl中作为初始化的三音素模型, 并用GetOccs()将每个pdf的occupancy输出为1.occ

2. gmm-mixup

Usage:  gmm-mixup [options] <model-in> <state-occs-in> <model-out>

输入：三音素模型，每个pdf所占的分量
输出：新的模型

这一步用MergeByCount()或者SplitByCount(), 分裂或者合并单高斯直到和指定的高斯数目一样，最后输出新的模型。其中用到的算法和单音素训练中gmm-est里提到的一样，这里不再详述。

3. convert-ali

Usage:  convert-ali  [options] <old-model> <new-model> <new-tree> <old-alignments-rspecifier> <new-alignments-wspecifier>

输入：训练好的单音素模型，三音素模型，tree，单音素的对齐序列
输出：三音素的对齐序列

之前由单音素GMM我们得到训练数据的对齐文件，但是单音素GMM中的模型和三音素GMM中模型不同，两者的每个数据成员都不一样，所以要把用单音素表示的对齐转换成三音素表示的对齐。

根据每个单音素对齐序列中transition-id 我们可以直到表示单音素模型中哪个phone的哪个状态，因为虽然变成三音素了，中心位置phone和第几个状态没有变，根据决策树直接换成三音素模型中transition-id，输出新的对齐序列即可。

最后由convert-ali得到三音素莫心的对齐后，后面的GMM参数更新就和单音素GMM一样，采用EM算法。

完。