CMU sphinx学习（――训练自已的中文语言模型与声学模型）

 http://www.cnblogs.com/huanghuang/archive/2011/07/18/2109101.html

同样是在该博客的基础上针对XP系统

 

一、训练语言模型

   (1) 安装语言模型训练工具CMUCLMTK

         VS2010直接编译即可

   (2) 准备训练的文档

在 .txt中输入如下内容，记住结尾不可留“\n”(实验证明了这一点)。

切记<s>后有空格啊 </s>前也有空格，我不知道怎么就没了空格，找了好久的原因。

<s> 前进 </s>

<s> 后退 </s>

<s> 左转 </s>

<s> 右转 </s>

<s> 停止 </s>

   (3)训练文档成模板

cmd命令行进入CMUCLMTK的bin文件下执行如下命令

    text2wfreq < a.txt > a.wfreq

    wfreq2vocab < a.wfreq > a.vocab

    text2idngram -vocab a.vocab -idngram a.idngram < a.txt

    idngram2lm -idngram a.idngram -vocab a.vocab -arpa a.arpa

    sphinx_lm_convert -i a.arpa -o a.lm.DMP     

     最终生成了语言模型a.lm.DMP

二、训练声学模型

   (1)准备一些文件

      分别创建两个目录etc和wav，然后在两个目录下面制作一些数据文件，方便后面训练时使用。如下所示：

• etc
  • my_db.dic - Phonetic dictionary
  • my_db.phone - Phoneset file
  • my _db.lm.DMP - Language model
  • my_db.fillers - List of fillers
  • my_db_train.fileids - List of files for training
  • my_db_train.transcription - Transcription for training
  • my_db_test.fileids - List of files for testing
  • my_db_test.transcription - Transcription for testing
• wav
  • speaker_1
    •   
    • 1_11.wav - Recording of speech utterance
  • speaker_2
    •   
    • 2_11.wav - Recording of speech utterance
  • speaker_3
    •   
    • 3_11.wav - Recording of speech utterance
  • speaker_4
    •   
    • 4_11.wav - Recording of speech utterance
  • speaker_5
    •   
    • 5_11.wav - Recording of speech utterance

     (2)准备etc下的数据文件

    a_train.fileids  a_test.fileids

输入内容：

speaker_1/1_11

speaker_2/2_11

speaker_3/3_11

speaker_4/4_11

speaker_5/5_11          

3.   a_train.transcription

4.   a_test.transcription

输入内容如下：

<s> 前进 </s> (1_11)

<s> 后退 </s> (2_11)

<s> 左转 </s> (3_11)

<s> 右转 </s> (4_11)

<s> 停止 </s> (5_11)

5.  a.dic

          输入内容：

  前进    Q IAN J IN

  后退    H OU T UI

  左转    Z UO ZH UAN

  右转    Y OU ZH UAN

  停止    T ING ZH IB

6.a.filler

    输入内容：

 <s> SIL

</s> SIL

<sil> SIL

 7.生成a.phone