训练过程acc_Kaldi的三音子模型训练（源码解析）

单音子模型的假设是一个音素的实际发音与其左右的音素无关。这个假设与实际并不符合。由于单音子模型过于简单，识别结果不能达到最好，因此需要继续优化升级。就此引入多音子的模型。最为熟悉的就是三音子模型，即上下文相关的声学模型。以kaldi的thchs30为例。

作者 | AI大道理

来源 | AI大道理

总 过 程

三音子模型训练

   train_deltas.sh 源码解析：

需要的文件：

$alidir/final.mdl $alidir/ali.1.gz $data/feats.scp $lang/phones.txt

  过程

累计相关统计量

acc-tree-stats.cc

功能：为决策树的构建累积相关的统计量。

输入：声学模型、特征、对齐

输出：统计量。

  源码解析

  过程

  源码解析：

1)数据结构

std::map tree_stats

那么如何确定以b为中间音素的三音子的第二个状态下面挂着的pdf-id呢？pdf-2怎么得到？

函数声明：

函数过程：

SplitToPhones()

3)BuildTreeStatsType

构建决策树所用到的统计量可以表示成：

typedef std::vector<:pair clusterable> >

BuildTreeStatsType;

sum-tree-stats.cc

功能：语音上下文树构建的总和统计。

总 结

扫码关注我们带你了解更多干货内容快速掌握一手学习资料