隐马尔可夫模型-识别音素

Question

我正在开发一个识别音素的项目，以便能够识别某人是说“是”还是“不是”。

到目前为止，在这个项目中，我已经使用过零过路来识别这个人在说什么，这真的很好，而且看起来很简单，可以理解。然而，该项目需要一些增强，必须使用隐马尔可夫模型进行开发。

我的问题是：

我想开发一个隐马尔可夫模型，而不删除我已经完成的工作。也就是说，我把那些不值得考虑的数据去掉，计算过零的次数以及积木的总和。

我不明白为了能够识别这些音素，我需要哪些数据来训练HMM。例如。

关于零过境点，我认为：

是的-零过境点开始低，然后值增加

不-零-起点低，然后不随值增加。

我可以训练我的HMM算法使它解释这些值吗？

或者，有人能提出一种方法，我可以训练HMM来识别输入到样本中的单词吗？

希望有人能帮忙:)！

Answer 1

我可以训练我的HMM算法使它解释这些值吗？

是的，绝对

或者，有人能提出一种方法，我可以训练HMM来识别输入到样本中的单词吗？

您只需将零过关率与MFCC特性(如第14特性)放在一起，并使用任何标准的HMM训练工具包(如CMUSphinx或HTK )来训练HMM并使用它进行解码。有关更多信息，请参阅

http://cmusphinx.sourceforge.net/wiki/mfcformat

或

http://speech-research.com/htkSearch/index.php?ID=297039

http://speech-research.com/SRTxt2User/index.html

Answer 2

自动音素分割是一个棘手的问题，所以我将提供一些我喜欢的资源，涉及到这个主题的各个层次的细节。

本文：http://www.seas.upenn.edu/~jan/Files/Iscas99Speech.pdf

本文：no2/8.2.1.languageidentification.pdf

这个资源非常好：http://research.microsoft.com/pubs/118769/Book-Chap-HuangDeng2010.pdf

这本书为音素识别提供了一些很好的例子：http://www.amazon.com/Speech-Recognition-Theory-C-Implementation/dp/0471977306/

这本书也很好：http://www.amazon.com/Statistical-Methods-Recognition-Language-Communication/dp/0262100665/

这些书很贵，但它们值得(在我看来)