用于非语音数据的HTK HMM

Question

我是使用HTK的新手。我想将HMM用于非语音数据，但我还没有找到任何好的示例，大多数示例都是用于语音的。

我知道我必须将数据的特征转换为HTK格式。

我不知道的是如何配置HTK，因为它使用字典和语法，而我的数据不需要这些东西，因为它不是语音。

有人对此有很好的例子或建议吗？

Answer 1

我最近研究了基于HTK的光学字符识别，发现这篇ICFHR教程非常有帮助(http://transcriptorium.eu/~tutorialICFHR/)。

唯一的本质区别是您的功能，因此，对于所有配置，参考HTK书籍就足够了。当然，您需要对一些配置和HMM定义进行一些修改，但是GMM-HMM的思想永远不会改变。例如，下面是ASR和OCR之间的映射表。

ASR: phone | tri-phone | lexicon [ word : decomposed_phone_sequence ]
OCR: char  | tri_char  | lexicon [ word : decomposed_char_sequence  ]

我的建议是通读HTK这本书，并尝试一些演示代码。当您第一次使用HTK时，您可能会感到困惑，尤其是它的命令行参数，但是一个月后您就会觉得很舒服了。