HTK语音识别示例(Ubuntu)

一、简介

HTK(Hidden Markov Model Toolkit)是一款语音识别工具包，诞生于Cambridge University Engineering Department (CUED)，后来几经易手，目前的HTK3由CUED和Microsoft维护。现在Microsoft对HTK依旧保留一定的版权，但是源码可以免费获得，用于教学和科研是没有问题的。

这里是我使用的源码与教程的当时版本HTK-3.4.1：

源码：http://pan.baidu.com/s/1gf9qAD9

教程htkbook：https://pan.baidu.com/s/1R-J67qAkG5u3XzoUQeqn2A

其他高手中文版教程（针对windows）：http://pan.baidu.com/s/1jHsiPpW

 

最新源码与文档可以查询官网：

http://htk.eng.cam.ac.uk/

 

以下是我在范例中使用到的音频和相关脚本文件等资料：

字典文件：http://pan.baidu.com/s/1mgJZPFE

相关脚本：http://pan.baidu.com/s/1i3Hyfv3

训练音频：http://pan.baidu.com/s/1dDEOxtJ

测试音频：http://pan.baidu.com/s/1jGuvyPS

鉴于HTK Book里给的sample一点而都不simple，作为初学者，各种麻烦还是很折腾人的。

这里，我“篡改”了HTM Book示例的部分流程，以求简单。

 

二、流程概览：

整个流程就如同下图一样，首先我们录制语音，然后HMM模块处理语音文件，之后便被识别出相应的文本文件。

那么，htk扮演的角色是什么呢？如下图，htk的作用就是训练出HMM模块。

为什么说是“训练”呢？简单的说，就是因为各个人的口音不同，所以，如果要“训练”HMM模块来适应不同的口音。

 

 

以下，我将训练出这样的HMM模块：识别“RED”， “YELLOW”， “BLUE”三个单词，步骤为

（一）准备训练语音文件；

（二）杂项准备；

（三）训练HMM模块；

（四）看看成果。

 最后成果

在此，还感谢前辈的探索，帮了我帮了我不少：

http://blog.csdn.net/wbgxx333/article/details/17639373