[发明专利]训练基于htk语音模型的方法

说明书

本发明是一种训练基于htk的语音模型方法，该训练语音模型的方法包括生成wordnet、生成字典、生成mfcc、初始化hmm模型、训练hmm模型模块。该发明通过脚本快速完成生成hmm语音模型需要的中间输入文件，并顺序将脚本文件执行命令及htk工具包的调用命令写入批处理文件，实现自动化训练语音模型的过程。该训练方法采用脚本关联训练步骤的方式，顺序运行执行与调用命令，大大提高了训练语音模型的速度，降低了手动编辑输入文件过程中的错误率。

技术领域

本发明涉及一种训练基于htk语音模型的方法。

背景技术

语音模型训练是语音识别系统的功能模块。为了便于嵌入式语音识别中语音模型的开发，语音识别系统在开发前期，根据提供的语音样本文件完成语音模型的训练，生成基于c语言的语音模型。现有的手动编辑htk训练工具需要的输入文件和调用htk训练工具，造成了语音模型训练速度慢、步骤繁琐、易出错的问题，无法满足快速更换嵌入式语音识别系统中语音模型的需求。

发明内容

本发明提供一种训练基于htk语音模型的方法。

本发明提供一种训练基于htk的语音模型方法，包括：

采用编写相应脚本处理基于htk的训练工具需要的输入文件，运行cmd命令调用训练步骤中需要的基于htk的训练工具，顺序将脚本文件执行命令和基于htk训练工具的调用命令写入批处理文件。

进一步的，上述方法中，采用编写相应脚本处理基于htk的训练工具需要的输入文件，运行cmd命令调用训练步骤中需要的基于htk的训练工具，顺序将脚本文件执行命令和基于htk训练工具的调用命令写入批处理文件，包括：

运用脚本生成基于htk训练工具需要的输入文件，顺序调用脚本文件执行命令和htk工具包的调用命令，自动完成训练语音模型功能。

进一步的，上述方法中，运用脚本生成基于htk训练工具需要的输入文件，顺序调用脚本文件执行命令和htk工具包的调用命令，自动完成训练语音模型功能，包括：

编写脚本，以完成原来的手动操作步骤；

基于编写的脚本，批处理完成自动化模型训练。

进一步的，上述方法中，编写脚本，以完成原来的手动操作步骤，包括：

第一步：编写grammar.py脚本，执行生成基于htk训练工具HParse的输入文件grammar，运行基于htk的训练工具HParse生成wordnet，完成源文件转换成词网络；

第二步：编写wordlist.py和beep.py脚本，执行生成基于htk训练工具HDMan的输入文件wordlist和beep，运行基于htk训练工具HDMan完成字典的生成；

第三步：调用基于htk训练工具中的perl脚本，执行生成基于htk工具的HLEd的输入文件trainwords.mlf和trainprompts，运行基于htk训练工具HLEd生成发音序列；

第四步：编写codetrain.py脚本，执行生成基于htk训练工具HCopy的输入文件codetrain.scp，运行基于htk训练工具HCopy完成语音样本特征参数的生成；

第五步：执行基于htk训练工具HCompV生成hmm初始化模型；

第六步：执行基于htk训练工具HERest训练多次模型，编写脚本处理在多次训练过程中需要手动操作的步骤，完成循环过程的自动化；

第七步：编写脚本，将hmm语言模型文件转换成嵌入式语音识别系统中的基于c语言的语音模型。

进一步的，上述方法中，基于编写的脚本，批处理完成自动化模型训练，包括：