Kaldi AMI数据集脚本学习5---AMI mono phone文件 40.mdl分析

最新推荐文章于 2022-01-12 15:31:09 发布

sunfoot001

最新推荐文章于 2022-01-12 15:31:09 发布

阅读量872

点赞数 1

分类专栏： ASR

本文链接：https://blog.youkuaiyun.com/sunfoot001/article/details/80385566

版权

ASR 专栏收录该内容

8 篇文章

订阅专栏

这篇博客介绍了Kaldi中处理AMI数据集的mono phone模型文件40.mdl，重点关注了模型中每一分量高斯分布的常量部分——log后的gconsts值。通过参考链接提供了深入理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用kaldi训练mono phone之后会在esp/mono/目录下产生一个40.mdl文件, 查看exp/mono/40.mdl 命令:

kaldi/src/gmmbin/gmm-copy --binary=false exp/mono/40.mdl -

1. 首先是<TransitionModel>

                 <Topology>
                   <TopologyEntry>
                     <ForPhones>
                        音素hmm状态转移概率模型
                     </ForPhones>
                   </TopologyEntry>
                 </Topology>
    不过看到的0.mdl和40.mdl转移概率值是相同的，所以转移概率等应该是储存在HCLG.fst文件中的。

2. 接着是<Triples> 音素 hmm状态index pdfid

<Triples> 568
1 0 0
1 1 1
1 2 2
1 3 3
1 4 4
2 0 0
2 1 1
2 2 2
2 3 3
2 4 4
.....

    1~20为SIL，含5个状态

    21~176为发音音素，含3个状态

    共有20*5+(177-21)*3=568个transition state

    得益于决策树的聚类， PDF数量减少了一些，为137.

3. 然后是<Logprobs>

这个LogProbs是和transition-id对应起来的，描述了转移概率.

4. 然后是<Dimension>39 <numPDFs>201
对角GMM 的参数，重复201次每个对应hmm的一个pdf，一共201个
<DiagGmm>
     <GCONSTS>[-85.27087]
     <WEIGHTS>[1] 权重
     <MEAN_INVVARS>[…]39维均值
     <INV_VARS>[…]39维方差
</DiagGmm>

其中：为了方便计算，在里面记录了每一分量多维高斯分布里的常量部分取log后的数值gconsts。

参考：

[1] https://www.jianshu.com/p/9b6cc95668a9