与 HTK 连接的数字识别器

Question

我正在尝试使用 HTK 开发一个基本的连接数字识别器。目前，识别器只需要识别 0-10 的数字，并且依赖于说话者（这现在不是问题）。以下是我如何进行识别：

1. 获取用户录制的wavfile并创建MFCC。

2. 在 mfcc 文件上运行 HVite，并将 wordnet 和字典作为输入。

   hmm 模型训练注意事项：

用于训练初始 HMM 模型的基本单元是从语音数字字符串中挑选出来的。我最终得到了每个数字的大约 20 个单位（大约），这些单位用于制作初始模型。通过连接基本单元（随机选择连接的基本单元）来合成嵌入式训练模型。以这种方式生成的句子总数约为 20000。另外 109 个句子取自测试阶段实际说出的单词。

我面临的问题如下：
1. 在长度超过 4 的连接数字字符串中，我在输出处将数字插入到输入字符串中。
例如）输入：99102，输出：989818082
请注意，输入中的所有数字都被正确识别，只是在输出中引入了无关数字。查看 mlf 文件显示与这些词关联的似然值也相似。知道为什么会发生这种情况吗？

我已经通过网络寻找解决方案，但没有遇到任何问题。欢迎任何帮助。

Answer 1

您需要设置单词插入惩罚（对于 HVite -p 选项） - 它最有可能设置为 0.0（默认值）。你必须玩弄这个值。从 -1.0 开始，然后变得更负。