如何用語音識別數據集訓練HMM進行語音識別？

Question

我已經閱讀了一些關於HMM和MFCC的期刊和論文，但我仍然對我的數據集（句子數據集的音頻）一步一步的工作方式感到困惑。

我的數據集示例（音頻表單）：

• 你好，早上好
• 祝你考試好運
• 約343個音頻數據和20個揚聲器（6800個音頻數據）

我所知道的 ：

1. 我的句子數據集用於獲得轉換概率
2. 嗯狀態是音素
3. 39 MFCC功能用於訓練HMM模型

我的問題：

1. 我是否需要將句子剪切成單詞或僅使用句子來訓練HMM模型？
2. 我需要火車的音素數據集嗎？ 如果是，我是否需要訓練它也使用HMM？ 如果不是我的程序如何識別HMM預測輸入的音素？
3. 我必須先做什么步驟？

注意：我正在使用python，我使用hmmlearn和python_speech_features作為我的庫。

Answer 1

1. 我是否需要將句子剪切成單詞或僅使用句子來訓練HMM模型？

從理論上講，你只需要句子和音素。 但是，隔離的單詞可能對您的模型有用（它會增加訓練數據的大小）

2. 我需要火車的音素數據集嗎？ 如果是，我是否需要訓練它也使用HMM？ 如果不是我的程序如何識別HMM預測輸入的音素？

您需要音素，否則如果您的模型沒有任何孤立音素的示例，那么您的模型將難以找到正確的音素分段。 您應首先在隔離的音素上訓練您的HMM狀態，然后添加其余數據。 如果你有足夠的數據，你的模型可以在沒有孤立的音素例子的情況下學習，但我不會打敗這個。

3. 我必須先做什么步驟？

構建您的音素示例並使用它們來訓練一個簡單的HMM模型，您不會模擬音素之間的過渡。 一旦你的隱藏狀態有關於音素的一些信息，你可以繼續訓練孤立的單詞和句子。