pocketsphinx 模型库_PocketSphinx声学模型的训练与使用

声学模型主要用于计算语音特征和每个发音模板之间的似然度。目的是为每个声学单元建立一套模型参数(通过不断地学习和改进得到最优的，也就是概率最大的一组HMM模型参数)。

需要训练的情况：

1)需要创建一个新的语音或者方言的模型；

2)为你的小词汇的应用创建一个特定的模型；

3)你有足够的大量的语音数据：单的人的话(控制指令)需要1小时的录音，200个人的话需要50小时的录音。

4)你需要有语言的音素结构的知识；

5)你有足够的时间去训练和优化(大概需要一个月)。

如果不具备以上的情况或者条件，那么用模型增强(适应)比训练一个新的模型更有效。

另外，你的语音数据库应该能够比较好地代表你所要识别的语音，而且最好是多个人的录音数据，而且包含多种录音情况，还有所有可能的语言学句子。语音数据库包含两个部分：训练集和测试集，一般来说，测试集占全部数据库的1/10，但最好不要超过4个小时的录音时长。

获得一个语音数据库的一个比较好的方式是：

1)对现有的你需要识别的语音的录音材料进行切割，例如新闻或者电台播音等；

2)把你身边的人，例如家人，朋友或者同事的语音录下来；

3)在voxforge上面收集；

SphinxTrain是CMU大学开发的开源声学模型训练器。此工具可以训练适应于PocketSphinx的半连续HMM声学模型，也可以训练应用于Sphinx3的连续HMM声学模型。

(1)需要准备的文件：

在进行训练之前，先通过SphinxTrain中的wave2feat文件对音频文件进行特征提取，得到的MFCC特征参数文件，并把它们作为声学模型训练的输入。在进行训练之前，需要建立如下准备文件：

分别创建两个目录etc和wav，然后在两个目录下面制作一些数据文件，方便后面训练时使用。待会需要的目录及文件如下所示：

etc：

your_db.dic - Phonetic dictionary

your_db.phone – Phone set file

your_db.lm.DMP - Language model

your_db.filler - List of fillers

your_db_train.fileids - List of files for training

your_db_train.transcription - Transcription for training

your_db_test.fileids - List of files for testing

<