使用kaldi训练mono phone之后会在esp/mono/目录下产生一个40.mdl文件, 查看exp/mono/40.mdl 命令:

kaldi/src/gmmbin/gmm-copy --binary=false exp/mono/40.mdl -

1. 首先是<TransitionModel>

<Topology>
                   <TopologyEntry>
                     <ForPhones>
                        音素hmm状态转移概率模型
                     </ForPhones>
                   </TopologyEntry>
                 </Topology>
    不过看到的0.mdl和40.mdl转移概率值是相同的,所以转移概率等应该是储存在HCLG.fst文件中的。

2. 接着是<Triples>  音素 hmm状态index pdfid

<Triples> 568
1 0 0
1 1 1
1 2 2
1 3 3
1 4 4
2 0 0
2 1 1
2 2 2
2 3 3
2 4 4
.....

1~20为SIL,含5个状态

21~176为发音音素,含3个状态

共有20*5+(177-21)*3=568个transition state

得益于决策树的聚类, PDF数量减少了一些,为137.

3. 然后是<Logprobs>

这个LogProbs是和transition-id对应起来的,描述了转移概率.

4. 然后是<Dimension>39 <numPDFs>201
对角GMM 的参数,重复201次 每个对应hmm的一个pdf,一共201个
  <DiagGmm>
     <GCONSTS>[-85.27087]
     <WEIGHTS>[1] 权重
     <MEAN_INVVARS>[…]39维 均值
     <INV_VARS>[…]39维 方差
</DiagGmm>

其中:为了方便计算,在里面记录了每一分量多维高斯分布里的常量部分取log后的数值gconsts。

参考:

[1]  https://www.jianshu.com/p/9b6cc95668a9

Kaldi AMI数据集脚本学习5---AMI mono phone文件 40.mdl分析相关推荐

  1. Kaldi AMI数据集脚本学习2----run_prepare_shared.sh

    在学习脚本文件时,重点关注哪些是调用标准函数,哪些是调用特定数据集的数据处理函数; 关注每个阶段处理的输入,输出和控制参数.不要面面俱到,试图理解每行代码. 1. 下载AMI数据集的xml标注文件包: ...

  2. Kaldi AMI数据集脚本学习3---run_ihm.sh stage 1~3

    1. stage 1 在此之前,已经下载了130G的AMI数据在目录$AMI_DIR(wav_db/amicorpus)了. # Prepare ihm data directories, if [ ...

  3. Kaldi AMI数据集脚本学习7---train_deltas.sh

    1. 命令行格式 在AMI数据集中num-leaves=5000(即5000个不同的states),tot-gauss=80000(平均每个不同states 高斯模型数目是16个). "Us ...

  4. Kaldi AMI数据集脚本学习1----cmd.sh和path.sh

    1.  cmd.sh 我是在个人电脑上运行Kaldi的,所以脚本关键内容如下: export train_cmd=run.pl export decode_cmd=run.pl export tfrn ...

  5. Kaldi AMI数据集脚本学习6---转移模型(Transition Model)

    TransitionModel 涉及到的名词术语如下: phone (one-based): this type of identifier is used throughout the toolki ...

  6. Kaldi AMI数据集脚本学习4---train_mono.sh

    1. 缺省配置 nj=4 并行个数 cmd=run.pl 处理程序 scale_opts="--transition-scale=1.0 --acoustic-scale=0.1 --sel ...

  7. 【Shell脚本学习指南笔记】重定向文件描述符 21

    如: make > results 2>&1 重定向 > results让文件描述符1(标准输出)作为文件results,接下来的重定向2>&1有两个部分.2& ...

  8. 云服务器deeplearning_开始使用 AWS Deep Learning AMI 进行深度学习 | AWS

    注意:从 v28 版本起,我们不再在 AWS Deep Learning AMI 中包括 CNTK.Caffe.Caffe2 和 Theano Conda 环境.包含这些环境的先前版本的 AWS De ...

  9. Kaldi单音素GMM学习笔记

    建议在csdn资源页中免费下载该学习笔记的PDF版进行阅读:)点击进入下载页面 Kaldi单音素GMM学习笔记 目录 Kaldi单音素GMM学习笔记 原理 脚本 程序 gmm-init-mono co ...

最新文章

  1. 14年12月CCF真题4-最优灌溉
  2. 中央纪委网站:​深度关注 | 元宇宙如何改写人类社会生活
  3. 【OpenCV入门学习笔记1】:Mat对象的指针操作和掩膜操作
  4. 拼车日滴滴派单的那些事
  5. 程序从技术到管理:思维转变是关键
  6. 醉了!吃着火锅哼着歌,男朋友强行给我科普什么是补码!
  7. linux中split分割文件打开方式,Linux使用split对文件进行切分和合并的方法
  8. linux主机名包含点
  9. php 工资 2018,2018年PHP程序员的进阶之路
  10. 深入浅出WPF教程笔记_XAML介绍
  11. C#的rdlc报表分组汇总学习
  12. openpyxl 取消合并单元格且填充
  13. php 卡号算法,验证信用卡卡号代码 Luhn算法
  14. 用java将excel导出成vcf文件
  15. 解决win7 anaconda 安装 Failed to create menus
  16. monkey快速入门
  17. Web前端大作业——基于HTML+CSS+JavaScript仿英雄联盟LOL游戏网站
  18. php面包屑源码,推荐两款好用的WordPress面包屑插件
  19. 探究L298N模块烧毁的原因
  20. 隐藏控制台程序的dos窗口

热门文章

  1. 秦晖教授讲座:亲历当代史——我的中国研究情怀
  2. 我的CSDN资源下载怎么被自动设置了积分
  3. Q101:真实地模拟一个玻璃酒杯(Wine Glass)(回旋曲面)
  4. 如何构建企业安全易用的数据资产
  5. HTTP协议的响应协议(个人写笔记看不懂的地方可以和我交流)
  6. 药大保研计算机要求,药物分析专业保研经验贴
  7. java命令行参数args_Args4J (Java 命令行参数控制开源项目) 使用指南
  8. e值的MonteCalo法估计
  9. 扩展JavaScript数组(Array)添加删除元素方法
  10. 蜻蜓fm收音机电脑版_听腻了无版权的云村,不妨回归淳朴,试试这款高颜值的FM...