http://blog.csdn.net/u013677156/article/details/77893661

1、kaldi解码过程

kaldi识别解码一段语音的过程是:首先提取特征,然后过声学模型AM,然后过解码网络HCLG.fst,最后输出识别结果。

HCLG是解码时的重要组成部分。HCLG.fst是由4个fst经过一系列算法(组合、确定化和最小化等)组合而成的。4个fst分别是H.fst、C.fst、L.fst和G.fst,分别是HMM模型、上下文环境、词典和语言模型对应的fst。             trans-id -> context-tri -> mono ->word->grammar

HCLG = asl(min(rds(det(H' o min(det(C o min(det(Lo G))))))))

上面的o表示组合,det表示确定化,min表示最小化,rds表示去除消岐符号,asl表示增加自环。

Kaldi中,单独的C.fst是不存在的。L和G合并生成LG.fst,然后在其基础上,根据决策树的结果,直接生成CLG.fst。

2、fst可视化的两个基本命令

fstprint和fstdraw是可视化用到的两个基本命令
fstprint用于打印fst,可以将二进制的fst以文件形式打印出来。Fstprint的基本用法如下
fstprint  [--isymbols=xxxx --osymbols=xxxx ]  FST
参数—isymbols和—osymbols分别表示输入符号表和输出符号表,这两个参数可以省略。
fstdraw用于画fst图,其使用方式跟fstprint类似。Fstdraw得到的结果是dot文件,通过dot命令转为ps格式,然后可以由ps2pdf命令转为pdf文档。

fstdraw使用示例
fstdraw [--isymbols=phones.txt --osymbols=words.txt] L.fst | dot –Tps  |  ps2pdf – L.pdf

3、yesno例子中各个fst的可视化

3.1 语言模型生成的G.fst可视化

yesno例子中的语言模型很简单

  1. cat input/task.arpabo
  2. \data\
  3. ngram 1=4
  4. \1-grams:
  5. -1      NO
  6. -1      YES
  7. -99 <s>
  8. -1 </s>
  9. \end\

这个语言模型生成的G.fst,将其用fstprint打印出来(symbols选words.txt)

  1. 0   0   NO  NO  2.30258512
  2. 0   0   YES YES 2.30258512
  3. 0   2.30258512

上面是G.fst的打印结果。对于fst,其打印结果,一行一般有5列。一行对应一个弧。第一列和第二列,表示这个弧的起始状态和终止状态。第三列和第四列,表示输入和输出。第五列是权重。

将其对应的图打印出来,用fstdraw命令

3.2 词典文件生成的L.fst

yesno例子中的词典文件也很简单,如下所示

  1. cat data/local/dict/lexicon.txt
  2. <SIL> SIL
  3. YES Y
  4. NO N

在data/lang目录下会找到两个fst,分别是 L.fst和L_disambig.fst。后者是在L.fst上加消岐符号。

用fstprint查看这两个fst

  1. fstprint --isymbols=phones.txt --osymbols=words.txt L.fst
  2. 0   1   <eps> <eps> 0.693147182
  3. 0   1   SIL <eps> 0.693147182
  4. 1   1   SIL <SIL>
  5. 1   1   N   NO  0.693147182
  6. 1   2   N   NO  0.693147182
  7. 1   1   Y   YES 0.693147182
  8. 1   2   Y   YES 0.693147182
  9. 1
  10. 2   1   SIL <eps>
  11. fstprint --isymbols=phones.txt --osymbols=words.txt L_disambig.fst
  12. 0       1       <eps>   <eps>   0.693147182
  13. 0       2       SIL     <eps>   0.693147182
  14. 1       1       SIL     <SIL>
  15. 1       1       N       NO      0.693147182
  16. 1       3       N       NO      0.693147182
  17. 1       1       Y       YES     0.693147182
  18. 1       3       Y       YES     0.693147182
  19. 1       1       #0      #0
  20. 1
  21. 2       1       #1      <eps>
  22. 3       2       SIL     <eps>

用fstdraw看两个fst图,第一个图是 L.fst;第二个是 L_disambig.fst。实际生成HCLG时,用的是L_disambig.fst。

3.3 将L.fst(这里指L_disambig.fst)和G.fst合并起来,生成LG.fst。

  1. 1   0   SIL <eps> 0.829214692
  2. 1   1   Y   YES 2.99609375
  3. 1   1   N   NO  2.99609375
  4. 1   2.99609375
  5. 0   2   #1  <eps> 0.533971608
  6. 2   1   Y   YES 1.63290751
  7. 2   1   N   NO  1.63290751
  8. 2   1.63290739

3.4将LG.fst生成CLG.fst,得到的结果如下;因为是单音素,所以跟原先的LG.fst是一样的。

  1. 0   1   SIL <eps> 0.829214692
  2. 0   0   Y   YES 2.99609375
  3. 0   0   N   NO  2.99609375
  4. 0   2.99609375
  5. 1   2   #0  <eps> 0.533971608
  6. 2   0   Y   YES 1.63290751
  7. 2   0   N   NO  1.63290751
  8. 2   1.63290739

3.5 hmm模型生成的ha.fst。这里的hmm对应的fst,是不带自环的。

  1. 0   1   0   1
  2. 0   7   20  2   1.1920929e-07
  3. 0   10  26  3
  4. 0   13  31  4
  5. 0
  6. 1   2   2   0   2.70571232
  7. 1   3   3   0   2.70571232
  8. 1   4   4   0   0.14340198
  9. 2   3   6   0   0.936247587
  10. 2   4   7   0   1.19049001
  11. 2   5   8   0   1.19049001
  12. 3   2   9   0   1.80542946
  13. 3   4   11  0   0.398507833
  14. 3   5   12  0   1.80542946
  15. 4   2   13  0   2.34313083
  16. 4   3   14  0   2.34313083
  17. 4   5   16  0   0.213165522
  18. 5   6   18  0
  19. 6   0   0   0
  20. 7   8   22  0
  21. 8   9   24  0   -2.38418579e-07
  22. 9   0   0   0
  23. 10  11  28  0
  24. 11  12  30  0   4.76837158e-07
  25. 12  0   0   0
  26. 13  0   0   0

这个fst的第三列,输入,是transition-id;输出是音素。其对应的图如下

上面图中,圆圈表示的就是状态,里面的数字是状态的id。弧上面,冒号前面的数字时transition-id,冒号后面的数字是输出的音素;斜杠后面的数字是权重。

其中0-7-8-9-0这条“路径”,表示的就是音素Y; 0-10-11-12-0表示的就是音素N。

按照同样的方法,可以打印和画出 HCLGa.fst 和 HCLG.fst的内容。

其他有用的fst相关的命令: fstinfo fstcopy

[转] kaldi中FST的可视化-以yesno为例的更多相关文章

  1. [转]决策树在Kaldi中如何使用

    转自:http://blog.csdn.net/chenhoujiangsir/article/details/51613144 说明:本文是kaldi主页相关内容的翻译(http://kaldi-a ...

  2. kaldi中CD-DNN-HMM网络参数更新公式手写推导

    在基于DNN-HMM的语音识别中,DNN的作用跟GMM是一样的,即它是取代GMM的,具体作用是算特征值对每个三音素状态的概率,算出来哪个最大这个特征值就对应哪个状态.只不过以前是用GMM算的,现在用D ...

  3. Docker入门(四)——MySQL镜像中的数据库可视化

      在详细介绍这篇文章的内容前,需要说明下笔者写这篇文章的意图:笔者在现有的开发中,前后端联调的方式为Docker镜像对接,数据库使用MySQL镜像,开发环境为远程服务器,因此,笔者迫切需要一种能将远 ...

  4. Python 数据分析中常用的可视化工具

    Python 数据分析中常用的可视化工具 1 Matplotlib 用于创建出版质量图表的绘图工具库,目的是为 Python 构建一个 Matlab 式的绘图接口. 1.1 安装 Anaconada ...

  5. 关于 underscore 中模板引擎的应用演示样例

    //关于 underscore 中模板引擎的应用演示样例 <!doctype html> <html> <head> <meta charset=" ...

  6. OpenJDK源码研究笔记(十三):Javac编译过程中的上下文容器(Context)、单例(Singleton)和延迟创建(LazyCreation)3种模式

    在阅读Javac源码的过程中,发现一个上下文对象Context. 这个对象用来确保一次编译过程中的用到的类都只有一个实例,即实现我们经常提到的"单例模式". 今天,特意对这个上下文 ...

  7. 以kaldi中的yesno为例谈谈transition

    在基于GMM-HMM的传统语音识别里,比音素(phone)更小的单位是状态(state).一般每个音素由三个状态组成,特殊的是静音(SIL)由五个状态组成.这里所说的状态就是指HMM里的隐藏的状态,而 ...

  8. Kaldi中的Chain模型

    Chain模型的训练流程 链式模型的训练过程是MMI的无网格的版本,从音素级解码图生成HMM,对其使用前向后向算法,获得分母状态后验,通过类似的方式计算分子状态后验,但限于对应于转录的序列. 对于神经 ...

  9. 【Unity】13.1 场景视图中的GI可视化

    分类:Unity.C#.VS2015 创建日期:2016-05-19 一.简介 在场景视图中设计不同的场景内容时,可以根据需要勾选相关的渲染选项,以便让场景仅显示其中的一部分或者全部渲染效果. 在这些 ...

随机推荐

  1. python note 15 正则表达式

    # 正则表达式 只和字符串打交道 # 正则表达式的规则# 规则 字符串 从字符串中找到符合规则的内容 # 字符组 : [] 写在中括号中的内容,都出现在下面的某一个字符的位置上都是符合规则的 # [0 ...

  2. sql基本的增删查改语句

    1.增---用于向表中插入新的行/数据 语法:insert into 表名(值1,值2,值3...) values(值1,值2,值3,...) 或者 语法:insert [into] <表名&g ...

  3. 随机获得id的方法

    public String generateUUID() { String uuid = UUID.randomUUID().toString(); uuid = uuid.replace(" ...

  4. vue.js 进行初始化遇到的关于core-js的错误@core-js/modules/es6.array.find-index]

    D:\vuejselement\workSpace\zutnlp_platform_show>cnpm install --save core-js/modules/es6.array.find ...

  5. 九、mybatis模糊查询2种方式

    1. 2. 3.

  6. Mysql运行状态查询命令及调优详解

    (转载自点击打开链接) MySQL运行状态及调优(一) 一.查看MySQL运行情况SHOW STATUS; 二.查看INNODB数据库引擎运行状态SHOW ENGINE INNODB STATUS; ...

  7. AST的作用

    ·代码版本兼容:例如babel ·代码混淆和压缩:将语义变量变无意义 ·开发工具:webpack.vue-cli ·编译:编译器.IDE

  8. oracle异机恢复 open resetlogs 报:ORA-00392

    参考文档:ALTER DATABASE OPEN RESETLOGS fails with ORA-00392 (Doc ID 1352133.1) 打开一个克隆数据库报以下错误: SQL> a ...

  9. go的包下载失败解决方案

    包被墙的方案 1 翻啊的墙 2 gopm 3 https://github.com/golang/net 4 使用国内网站打包 5 export GOPROXY=https://goproxy.io

  10. 移动端使用fastclick时,模拟原生浏览器对象

    移动浏览器原生click事件有300ms的延时,这是浏览器为了区分到底是双击还是单击事件.(实际上有些移动浏览器不支持双击事件.PC版chrome在手机模式下,当禁止用户双击缩放页面时(即有viewp ...