htk工具包是什么?

Hinit:用于对HMM模型的参数进行初始化。
HRest:  用Baum-Welch算法对HMM参数进行估计，可以用许多训练样本构造HMM模型参数，通常和Hinit一起使用。
识别工具：
在HTK中没有哪个工具直接实现了Viterbi算法，但是HVite工具中实现了该算法，
HVite用于孤立词识别，HNET和HRec用于连续语音识别，如果该识别器有语法图，也可以作为一个特例用于孤立词语音识别。
连续语音识别：
对于连续语音识别，需要找出每个连续语音的子词，可以用Hinit和HREst来初始化子词模型(bootstrap  operation)。主要用于训练的工具是HERest,主要用于嵌入式训练(Embeddedtraining).嵌入式训练和用Baum-Welch训练孤立词模型的过程相似，不同的是它所有的模型一起训练，而不是一个一个模型的训练。在这个过程中不需要训练语音的分界信息，但是需要训练语音的对应的符号标记。
在HTK中的连续语音识别，用token  passing  algorithm取代Viterbi算法进行识别。该算法在库模块HNET和HRec中实现了，可以通过识别工具HVite调用。它能提供  multiple-tokenpassing  recognition,  single-best  output,  lattice  output,  N-best  lists,  supportfor  cross-word  context-dependency,  lattice  rescoring  and  forced  alignment.
  
说话人自适应
用工具HERest  和  HVite能进行说话自适应，它需要提供一定的自适应数据。HERest提供线下的有监督的自适应。而HVite提供在线的自适应(用HVite识别该词，再利用产生的符号标记进行调整HMM参数)。HERest的有监督自适应具有更强的鲁棒性。
  
HTK工具简介：
HSHELL：用于输入/输出控制。HMEM库用于内存管理。HMath：数学计算库
HSigp:语音分析中用到的信号处理库。
HLabel用于标记文件。HLM：用于语言模型。HNet：用于词网络和网格
HDict：用于词典。HVQ  ：VQ算法。  HModel:用于HMM模型的定义。
  
所有的语音文件通过HWave进行处理，用HParm进行参数化。HWave和HLabel对多种语音文件格式提供支  持。HAudio用于实时语音输入，HGraf提供图形界面接口。HUtil  provides  a  number  of  utility  routines  formanipulating  HMMs  while  HTrain  and  HFB  contain  support  for  the  various  HTKtraining  tools.  HAdapt  provides  support  for  the  various  HTK  adaptation  tools.Finally,  HRec  contains  the  main  recognition  processing  functions.
  
工具使用方法：
命令行参数形式：
HFoo  -T  1  -f  34.3  -a  -s  myfile  file1  file2
该工具主要包含两个主要的参数，file1和file2.加上四个可选参数。可选参数通常用小写字母表示，后面跟一个具体的数值，-f表示一个实数，-T表示一个整数，用于控制HTK工具的输出信息，-s表示一个字符串，-a后面没有数值，表示对工具的某些特性的屏蔽。
配置参数：
HFoo  -C  config  -f  34.3-a  -s  myfile  file1  file2
多个配置文件：HFoo  -Cconfig1  -C  config2  -f  34.3  -a  -s  myfile  file1  file2
  
HTK语音识别过程
数据准备，训练，测试，分析结果
  
数据准备工具：
HSLab：用于语音的录制。
HCopy：用于特征提取，将原语音文件Copy为参数文件。
HList:用于检查提取的特征参数。
Transcriptions(标注)也需要提取准备，label在训练语音中可以不需要，HMM训练是一个上下文相关  的一个过程，它需要标注信息，HLEd是用于将标签转换为HTK固有的标签格式。HLED可以输出单个的MLF  Master  Label  File文件。
HLStats：用于收集和显示Label文件信息。
HQuant:用于建立VQ码本，用于离散HMM模型。
  
模型训练工具：
HTK的训练过程：
    1.需要先定义HMM原型，HMM模型的定义，均值和方差可以任意给定，但是转移概率矩阵要给出，后面  面的训练过程对这个不敏感，主要用于确定HMM的结构。转移概率需要给出合理的值(可以设置所有的转移概率相等)，但是这样不影响后面的训练过程。
    2.  模型参数初始化（HInit  and  HRest）If  there  issome  speech  data  available  for  which  the  location  of  the  sub-word  (i.e.  phone)boundaries  have  been  marked,  then  this  can  be  used  asbootstrap  data.  In  this  case,  the  tools  HInit  and  HRest  provideisolated  wordstyle  training  using  the  fully  labelled  bootstrap  data.  Eachof  the  required  HMMs  is  generated  individually(用HINIT工具中的分段K均值算法进行参数的初始化).  On  the  second  and  successive  cycles,  the  uniformsegmentation  is  replaced  by  Viterbi  alignment.  The  initial  parameter  valuescomputed  by  HInit  are  then  further  re-estimatedby  HRest.
When  no  bootstrap  data  is  available,  a  so-called  flatstart  can  be  used.  In  this  case  allof  the  phone  models  are  initialized  to  be  identical  and  have  state  means  andvariances  equal  to  the  global  speech  mean  and  variance  (用HCompV工具计算全局的均值和方差)。
3.通过第二步已经创建了初始的HMM模型，用HERest工具对所有的训练集进行嵌入式训练。HERest  performs  a  single  Baum-Welch  re-estimation  of  the  wholeset  of  HMM  phone  models  simultaneously.  For  each  training  utterance,  thecorresponding  phone  models  are  concatenated  and  then  the  forward-backwardalgorithm  is  used  to  accumulate  the  statistics  of  state  occupation,  means,variances,  etc.,  for  each  HMM  in  the  sequence.  When  all  of  the  training  datahas  been  processed,  the  accumulated  statistics  are  used  to  compute  re-estimates  of  the  HMMparameters.  HERest工具是HTK的核心训练工具，可以用于处理大型数据库。
  
HHED是HMM模型定义的编辑工具，可以通过参数绑定或者增加混合高斯函来克隆上下文有关的HMM模型，然后进行参数  的重估。re-estimate  the  parameters  of  the  modified  set  using  HERestafter  each  stage.为了提高特定说话人的识别率，可以用HERest和HVite进行说话人的自适应。
  
        建立上下文相关的HMM系统最大的问题就是训练数据的不足，所以需要找一个平衡点。The  more  complex  the  model  set,  the  more  data  is  neededto  make  robust  estimates  of  its  parameters,  and  since  data  is  usually  limited,a  balance  must  be  struck  between  complexity  and  the  available  data.  在连续HMM模型中，通常通过参数绑定来解决训练数据的不足。HSmooth:用于HMM模型高斯分布的平滑。
识别工具：
HVite：可以利用语言模型和词网格进行语音识别。
HVite  takes  as  input  anetwork  describing  the  allowable  word  sequences,  a  dictionary  defining  how  eachword  is  pronounced  and  a  set  of  HMMs.  Recognition  can  then  be  performed  on  either  a  list  ofstored  speech  files  or  on  direct  audio  input.
词网络是一个有向图，代表语音识别系统的任务语法。词网络用标准的HTK文件格式保存。HTK提供两个工具来创建词网络。HBUild，HPARSE：将文法转换成词网络。
词网络就是语法规则，限定哪些语句是合法的。
有了词网络就可以生成符合词网络的句子了。用HGEN工具实现，输入为词网络，输出为一些词的句子。
HLRecsore：可以让HVIte和HDEcode生成词网格，用于更复杂的语言模型。
HDMAN：词典管理工具。
分析工具：
HRESULTS：HResults  which  uses  dynamic  programming  to  align  the  twotranscriptions  and  then  count  substitution,  deletion  and  insertion  errors.  HResults  canalso  provide  speaker-by-speaker  breakdowns,  confusion  matrices  and  time-alignedtranscriptions.
For  word  spottingapplications,  it  can  also  compute  Figure  of  Merit  (FOM)  scores  and  Receiver  OperatingCurve  (ROC)  information.

应用HTK建立连续语音识别系统  ------------王风娜  基本内容知识回顾  HTK工具包  基于HMM的连续语音识别  应用HTK建立连续语音识别系统实例  知识回顾  HTK工具包数据准备工具  HDMan、HCopy、HLEd、HSGen、HBuild、HLStats  、HParse  模型训练

HTK工具包  基于HMM的连续语音识别  应用HTK建立连续语音识别系统实例  知识回顾  HTK工具包数据准备工具  HDMan、HCopy、HLEd、HSGen、HBuild、HLStats  、HParse  模型训练及优化工具  HERest、HInit、HRest、HHEd、HCompV  识别工具  HVite  性能评估工具  HResults、HRec  基于HMM的连续语音识别系统  HMM。