如何下载并使用HTK工具包

HTK是用来进行自动语音识别研究的工具包，它由剑桥大学工程系的机器智能实验室开发的开源软件，全称叫做The HiddenMarkov Toolkit。官方网站：http://htk.eng.cam.ac.uk 

这个工具包必须安装VS后才能使用。因为它是基于C进行开发的。HTK工具包的安装需要配置一个VS的环境变量。值得一提的是，我们现在能安装的VS版本中的环境变量路径与HTK工具包中提示的路径大不一样了。像本人安装的VS2017版本的所使用的环境变量为 D:\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build。

 

HTK工具包的安装需要在官网注册后才能下载。解压后，根据HTK自带的README,大家可以按照步骤自行安装。（注：需要在htk文件下的cmd窗口进行操作）

HTK工具包主要有以下几个功能：

   HSLab.exe     录音，标记工具

   Hcopy.exe     从语音提取特征参数的工具

   HInit.exe 和 HCompV.exe 对HMM模型初始化的工具，注意，这里需要对每个模型都要使用此命令进行初始化

   HRest.exe     对模型进行迭代训练的工具

   HParse.exe    语法转网络的工具，发音转本文用到的。

   HSGen.exe    语法查错工具

   HVite.exe      解码工具，也就是识别工具。可以用命令行方式使用，也可以用交互方式使用。

 

当安装完成后，该如何使用这个工具包呢？笔者以接下来的实验中所用到的提取MFCC特征举例。首先需要新建一个文件夹，然后在复制Hcopy.exe到该文件下，然后需要配置两个文件list.scp和tr_wav.cfg。整体框架如下：

list.scp文件中写入待提取的WAV文件名与提取MFCC特征后的,mfc文件名。

tr_wav.cfg文件存入提取MFCC特征的参数。

#[MODULE]  PARAMETER                 = VALUE

             SOURCEKIND               = WAVEFORM

             SOURCEFORMAT                  = WAV

             ZMEANSOURCE                    = F               #

             TARGETKIND                = MFCC_E_D_A_Z

             TARGETRATE               = 100000.0 # frame period = 10msec

             SAVECOMPRESSSED          = T

             SAVEWITHCRC            = T

             WINDOWSIZE               = 250000.0 # window size = 25msec

             USEHAMMING              = T

             PREEMCOEF                = 0.97                    # 1st order preemphasis, coefficient = 0.97

             NUMCHANS                  = 26             # num. of filterbank channel = 26

             CEPLIFTER                   = 22             # num. of cepstra = 22

             NUMCEPS                     = 12             # num. of MFCC coefficient = 12

             ENORMALIZE               = T               # energy normalization (live: F, otherwise: T)

             ALLOWXWRDEXP                  = T               # Needed for cross word systems

             FORCECXTEXP           = T               # Needed for cross word systems

#HSHELL Parameters

   HSHELL:    TRACE                            = 0002                   # cotal

#HPARM Parameters

   HPARM:      TRACE                            = 0101

 

#HLABEL Parameters

   HLABEL:    TRACE                            = 0010        

#HNET Parameters

   HNET:         TRACE                            = 0001                   # Needed for recognition

#HREc Parameters

   HREC:        FORCEOUT                   = T

 

在这个文件夹下打开cmd，运行 hcopy -A -D -T 1 -C tr_wav.cfg -S .\list.scp  ，即可提取出所需要.mfc文件。

成功的标志如下图所示：

参考博客：

1.https://blog.csdn.net/qq_36444303/article/details/100164507?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.control

2.https://blog.csdn.net/jojozhangju/article/details/18714961