Sphinx武林秘籍(中)

――训练自已的中文语言模型与声学模型

一、训练语言模型

   (1) 安装语言模型训练工具CMUCLMTK

      ./configure

      sudo make

      sudo make install

默认安装在/usr/local/bin下面，可以看到下面这些生成文件

idngram2lm   idngram2stats      mergeidngram     text2idngram

text2wfreq    text2wngram       wfreq2vocab

   (2) 准备训练的文档

sudo -i

vi my_db.txt

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)。

<s> 前进 </s>

<s> 后退 </s>

<s> 左转 </s>

<s> 右转 </s>

<s> 停止 </s>

wq 保存退出

   (3)训练文档成模板

cd/usr/local/bin

     text2wfreq < my_db.txt | wfreq2vocab > my_db.tmp.vocab

     text2idngram -vocab my_db.vocab -idngram my_db.idngram < my_db.txt

     idngram2lm –vocab my_db.vocab -idngram my_db.idngram -arpa my_db.arpa

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

最终生成了语言模型my_db.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

        cd /sphinx/Mytrain

        mkdir etc

        cd etc

1. vi  my_db_train.fileids

2. vi  my_db_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. vi my_db_train.transcription

4. vi  my_db_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. vi  my_db.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.vi my_db.filler

       输入内容：

                 <s> SIL

</s> SIL

<sil> SIL

      7.生成my_db.phone

cd ..

      cd scripts

      cp make_phoneset.pl  /sphinx/Mytrain/etc

      ./make_phoneset.pl my_db.dic my_db.filler > my_db.phone

      cd ..

      cd etc

      vi my_db.phone //查看下生成的.phone中的内容

H

IAN

IB

IN

ING

J

OU

Q

SIL

T

UAN

UI

UO

Y

Z

ZH

      以上若有多余字母，可手工删除。

      至此加上之前生成的my_db.lm.DMP，etc下的数据文件已准备完毕。

注意：以上所有的文件在输入结尾不可留下“/n”。

(3)准备wav下的音频文件

我们先在windows下面，录下前进、后退、左转、右转、停止五个命令词的wav音频文件，然后放在共享文件中。

 mkdir  speaker_1  speaker_2  speaker_3  speaker_4  speaker_5

把相应的音频1_11.wav 2_11.wav 3_11.wav 4_11.wav 5_11.wav 分别拷贝到相应的speaker_1  speaker_2  speaker_3  speaker_4  speaker_5 目录下面。

注意：此处音频文件采样率16KHz，单声道录音。

(4) an4与sphinxtrain搭建语音训练系统

  cd  /sphinix/MyTrain/  

  SphinxTrain/scripts_pl/setup_SphinxTrain.pl -task an4

pocketsphinx/scripts/setup_sphinx.pl -task an4

  在当前目录下面会产生如下目录：

  bin

  bwaccumdir 

  etc

  feat

  logdir

  model_parameters

  model_architecture  

  scripts_pl

  wav

把(2)、(3)中etc、wav下面的文件相应的拷贝到刚生成的wav与etc中。

(5) 修改etc/sphinx_train.cfg配置

  1.路径

# These are filled in at configuration time

$CFG_DB_NAME = "an4";

$CFG_BASE_DIR = "/sphinx/MyTrain/an4";

$CFG_SPHINXTRAIN_DIR = "SphinxTrain";

改为

# These are filled in at configuration time

$CFG_DB_NAME = "my_db";

$CFG_BASE_DIR = "/sphinx/MyTrain";

$CFG_SPHINXTRAIN_DIR = "SphinxTrain";

  2.音频

# Audio waveform and feature file information

$CFG_WAVFILES_DIR = "$CFG_BASE_DIR/wav";

$CFG_WAVFILE_EXTENSION = 'sph';

$CFG_WAVFILE_TYPE = 'nist'; # one of nist, mswav, raw

改为

# Audio waveform and feature file information

$CFG_WAVFILES_DIR = "$CFG_BASE_DIR/wav";

$CFG_WAVFILE_EXTENSION = 'wav';

$CFG_WAVFILE_TYPE = 'mswav'; # one of nist, mswav, raw

3.文件命名

#*******variables used in main training of models*******

$CFG_DICTIONARY     = "$CFG_LIST_DIR/$CFG_DB_NAME.dic";

$CFG_RAWPHONEFILE   = "$CFG_LIST_DIR/$CFG_DB_NAME.phone";

$CFG_FILLERDICT     = "$CFG_LIST_DIR/$CFG_DB_NAME.filler";

$CFG_LISTOFFILES    = "$CFG_LIST_DIR/${CFG_DB_NAME}_train.fileids";

$CFG_TRANSCRIPTFILE = "$CFG_LIST_DIR/${CFG_DB_NAME}_train.transcription";

$CFG_FEATPARAMS     = "$CFG_LIST_DIR/feat.params";

确定etc下面的文件是以这种方式命名的。

4.模板类型与模板参数

#*******variables used in characterizing models*******

$CFG_HMM_TYPE = '.cont.'; # Sphinx III

#$CFG_HMM_TYPE  = '.semi.'; # Sphinx II

pocketsphinx和Sphinx III一样，都是.cont。

(6) 配置声音特征参数

这里的操作为采样率为8KHz的情况，若采样率为16KHz，则可以直接略过此步操作。

vi feat.params

添加修改如下：

-samprate 8000.0

-nfilt 31

-lowerf 200.00

-upperf 3500.00

-dither yes

(7) 配置解码参数

1.路径

# These are filled in at configuration time

$DEC_CFG_DB_NAME = 'an4';

$DEC_CFG_BASE_DIR = '/sphinx/MyTrain/an4';

$DEC_CFG_SPHINXDECODER_DIR = 'pocketsphinx';

改为

# These are filled in at configuration time

$DEC_CFG_DB_NAME = 'my_db';

$DEC_CFG_BASE_DIR = '/sphinx/MyTrain';

$DEC_CFG_SPHINXDECODER_DIR = 'pocketsphinx';

2、语言模型名称

# This variables, used by the decoder, have to be user defined, and

# may affect the decoder output

$DEC_CFG_LANGUAGEMODEL_DIR = "$DEC_CFG_BASE_DIR/etc";

$DEC_CFG_LANGUAGEMODEL  = "$DEC_CFG_LANGUAGEMODEL_DIR/my_db.lm.DMP";

$DEC_CFG_LANGUAGEWEIGHT = "10";

$DEC_CFG_BEAMWIDTH = "1e-80";

$DEC_CFG_WORDBEAM = "1e-40";

改为

# This variables, used by the decoder, have to be user defined, and

# may affect the decoder output

$DEC_CFG_LANGUAGEMODEL_DIR = "$DEC_CFG_BASE_DIR/etc";

$DEC_CFG_LANGUAGEMODEL  = "$DEC_CFG_LANGUAGEMODEL_DIR/an4.lm.DMP";

$DEC_CFG_LANGUAGEWEIGHT = "10";

$DEC_CFG_BEAMWIDTH = "1e-80";

$DEC_CFG_WORDBEAM = "1e-40";

(8) 开始训练

 cd /sphinx/MyTrain

./scripts_pl/make_feats.pl -ctl etc/my_db_train.fileids

./scripts_pl/make_feats.pl -ctl etc/my_db_test.fileids

./scripts_pl/RunAll.pl

在目录model_parameters下面生成了新的声学模型my_db.cd_cont_1000