很久以前的发在研学论坛的帖子了,再重新整理了一下,希望对新手有用. 完整版链接:http://yun.baidu.com/s/1hapcE 第一步 创建语音文件 录音 命令:HSLab any_name.sig 第二步:声学分析 抽取yes和no的mfcc特征参数.保存在data/train/lab与data/train/sig下. 命令:HCopy.exe -A -D -C analysis.conf  -S targetlist.txt 第三步:HMM原型定义 建立文件yes.hmm.no.

最近在看图模型中著名的HMM算法,对应的一些理论公式也能看懂个大概,就是不太明白怎样在一个具体的机器学习问题(比如分类,回归)中使用HMM,特别是一些有关状态变量.观察变量和实际问题中变量的对应关系,因此目前急需一个实际例子来加深对HMM算法的仰慕,大家如有好的例子来具体学HMM算法的话,欢迎分享!众所周知,著名的HMM开源库为Hidden Markov Model Toolkit(以下简称HTK),而HTK在语音识别领域应用很成功,这2天花了些时间学习了HTK的使用,完成的是最简单孤立词的识别

background-position:value1 value2 value1和value2的值可以值绝对值也可以是百分数,大部分值都很好理解,但是50% 50%这两个值是如何计算的呢? 图片水平和垂直居中.与 background-position:center center;效果等同. 等同于x:{容器(container)的宽度—背景图片的宽度}*x百分比,超出的部分隐藏.等同于y:{容器(container)的高度—背景图片的高度}*y百分比,超出的部分隐藏. 例如: .contain

选自:http://my.oschina.net/jamesju/blog/116151 1前言 最近一直在研究HTK语音识别工具包,前几天完成了工具包的安装编译和测试,这几天又按耐不住好奇,决定自己动手搞一搞,尝试一下用这个工具包,进行简单的孤立词识别,看了几天的文档,做了各种尝试,总算跌跌撞撞的实现了,把步骤记录下来,以后作为参考. 2孤立词识别系统 在本系统中我们将要实现三个词的识别系统,词汇集为:{brightness, channel,color}. 2.1搭建步骤 A:创建语料库,b

选自:http://maotong.blog.hexun.com/6261890_d.html 苏统华 哈尔滨工业大学人工智能研究室 2006年10月30日 声明:版权所有,转载请注明作者和来源 该系统能够识别连续说出的数字串和若干组姓名.建模是针对子词(sub-word, eg. 音素),具有一定的可扩充性.当加入一个新名字时,只需修改发音词典和任务语法即可.模型为连续混合高斯输出,运用语音决策树聚类形成的绑定状态式三音素. 4. 识别器评估 [step 11]验证测试结果 用Viterbi算

选自:http://maotong.blog.hexun.com/6261873_d.html 苏统华 哈尔滨工业大学人工智能研究室 2006年10月30日 声明:版权所有,转载请注明作者和来源 该系统能够识别连续说出的数字串和若干组姓名.建模是针对子词(sub-word, eg. 音素),具有一定的可扩充性.当加入一个新名字时,只需修改发音词典和任务语法即可.模型为连续混合高斯输出,运用语音决策树聚类形成的绑定状态式三音素. 3. 创建绑定状态的三音素HMM模型 目的是加入上下文依赖(cont

选自:http://maotong.blog.hexun.com/6204849_d.html 苏统华 哈尔滨工业大学人工智能研究室 2006年10月30日 声明:版权所有,转载请注明作者和来源 该系统能够识别连续说出的数字串和若干组姓名.建模是针对子词(sub-word, eg. 音素),具有一定的可扩充性.当加入一个新名字时,只需修改发音词典和任务语法即可.模型为连续混合高斯输出,运用语音决策树聚类形成的绑定状态式三音素. 2. 创建单音素HMM模型 涉及创建一系列单高斯单音素HMM的过程.

选自:http://maotong.blog.hexun.com/6204849_d.html 应用HTK搭建语音拨号系统--数据准备 苏统华 哈尔滨工业大学人工智能研究室 2006年10月30日 声明:版权所有,转载请注明作者和来源 该系统能够识别连续说出的数字串和若干组姓名.建模是针对子词(sub-word, eg. 音素),具有一定的可扩充性.当加入一个新名字时,只需修改发音词典和任务语法即可.模型为连续混合高斯输出,运用语音决策树聚类形成的绑定状态式三音素. 1. 数据准备 需要录制训练

选自:http://www.cnblogs.com/mingzhao810/archive/2012/08/03/2617674.html 这个是重点,呵呵,本部分会讨论到如下内容: 1. 建立语音材料库,确定识别基本元,比如一个单词 yes no ok等,或者 声母 b p m f 韵母 d t n l 等,确定基本元后,标记好识别基本元. 2. 对语音材料库中的声音文件提取MFCC声纹特征 3.为每一个基本元建立一个HMM模型. 4.利用MFCC声纹特征对每一个HMM模型进行训练,使模型参数

选自:http://www.cnblogs.com/mingzhao810/archive/2012/08/03/2617674.html HTK(HMM Toolkit)一款基于hmm模型的语音处理工具,早就听说它了,一直因为用MATLAB中的工具箱在学习,或自己写代码在做HMM方面的试验,所以没有接触到它.现在,上海朋友家里的网速超赞,我就趁投简历的时间空隙,下载了它的一些资料,包括安装文件,使用文档(最好中英文版都要找到,有时中文版更简洁,更节省时间,英文版则较详细,当发现自己调试不通过时

用SI9000如何计算微带线                一．几个概念: 阻抗的定义:在某一频率下,电子器件传输信号线中,相对某一参考层,其高频信号或电磁波在传播过程中所受的阻力称之为特性阻抗,它是电阻抗,电感抗,电容抗--的一个矢量总和. 阻抗匹配:是为了保证能量传输损耗最小,匹配就是上一级电路的内电阻要等于下一级电路的输入电阻.当电路实现阻抗匹配时,将获得最大的功率传输,反之,当电路阻抗失配时,不但得不到最大功率传输,还可能对电路产生损害. 目前常见阻抗分类:单端(线)阻抗.差分(动)阻抗

在centenos下编译HTK碰到缺少libX11库,需要安装 libX11-dev libXext-dev libXtst-dev

在<C程序设计伴侣>的8.7.3 向main()函数传递数据这一小节中,我们介绍了如何通过main()函数的参数,向程序传递两个数据并计算其和值的简单加法计算器add.exe.这个程序,好用是好用,就是太简单,还停留在幼儿园大班的水平,只能计算两位数的加法.我们现在基本都已经是大学生了,如果还是用这个简陋的加法计算器去向面试官展示我们的编程能力,肯定会遭到他们的笑话. 在看完<C程序设计伴侣>后,我们的编程能力已经今非昔比了.自然,我们也可以利用从这本书中学到的知识(函数,字符串处

如何计算IP地址及CIDR 一. IP地址概念 IP地址是一个32位的二进制数,它由网络ID和主机ID两部份组成,用来在网络中唯一的标识的一台计算机.网络ID用来标识计算机所处的网段:主 机ID用来标识计算机在网段中的位置.IP地址通常用4组3位十进制数表示,中间用“.”分隔.比如,192.168.0.1. 补充(IPv6):前面所讲的32位IP地址称之为IPv4,随着信息技术的发展,IPv4可用IP地址数目已经不能满足人们日常的需要,据权威机 构预测到2010年要充分应用信息技术,每个人至少需

如何计算IP地址及CIDR 一. IP地址概念 IP地址是一个32位的二进制数,它由网络ID和主机ID两部份组成,用来在网络中唯一的标识的一台计算机.网络ID用来标识计算机所处的网段:主 机ID用来标识计算机在网段中的位置.IP地址通常用4组3位十进制数表示,中间用“.”分隔.比如,192.168.0.1. 补充(IPv6):前面所讲的32位IP地址称之为IPv4,随着信息技术的发展,IPv4可用IP地址数目已经不能满足人们日常的需要,据权威机 构预测到2010年要充分应用信息技术,每个人至少需

PPI,英文全称:pixels per inch,即像素每英寸,也叫像素密度,它是描述在水平的和垂直的方向上,每英寸距离的图像包含的像素(pixel)数目.因此PPI数值越高,即代表显示屏能够以越高的密度显示图像.当然,显示的密度越高,拟真度就越高. PPI是图像分辨率的单位,图像ppi值越高,画面的细节就越丰富,因为单位面积的像素数量更多.PPI也叫图像的采样率(在图像中,每英寸所包含的像素数目). 第一次接触到PPI,还是看到iPhone4的参数才得知的,所以这里不得提及iPhone4的屏幕

1.在网上看到首先必须确保电脑上安装了g++和libx11 g++ --version //检测g++版本 sudo apt-get install libx11-dev:i386 2.然后可从HTK官网 上 下载 HTK语音识别库 3.解压:sudo tar xzf HTK-3.4.1.tar.gz 4.打开文件夹:cd htk 5.在/usr/local/目录下安装文件:sudo ./configure --prefix=/usr/local/ 出现: setting config.stat

AQI如何计算     具体要计算PM2.5空气质量指数(AQI),SENBE申贝技术人员向您介绍如何计算的公式.     比如当实测浓度小于等于0.035时,根据实测浓度×50/0.035计算.例如,当天监测结果为0.0175,则当天的AQI指数为50×0.0175/0.035=25.     当实测浓度处于0.035和0.075之间时,根据以下方法计算,例如,昨天PM2.5的实测结果为0.043,根据50+50×(0.043-0.035)/(0.075-0.035)=60,当天AQI为60.

关于SQL Server 2014中的基数估计,官方文档Optimizing Your Query Plans with the SQL Server 2014 Cardinality Estimator里有大量细节介绍,但是全部是英文,估计也没有几个人仔细阅读.那么SQL Server 2014中基数估计的预估行数到底是怎么计算的呢? 有哪一些规律呢?我们下面通过一些例子来初略了解一下,下面测试案例仅供参考,如有不足或肤浅的地方,敬请指教! 下面实验测试的环境主要为SQL Server 201

通常我们采集Redis的性能数据时,或者想要知道Redis当前的性能如何时,需要知道这个实例的QPS数据,那么这个QPS数据是如何计算的呢?我们都有哪些办法或者这个QPS ? QPS顾名思义就是每秒执行的指令数,猜想Redis里边肯定是有个计数器来对每次执行的命令进行一次累计操作,通过这个思路不难想到INFO stats 输出中有个 输出项:total_commands_processed ,相信大部分情况下我们都是通过两次获取这个值,然后取一个差值求平均得到的.那么除了这种办法外,还有其他办法

一.简介 HTK(Hidden Markov Model Toolkit)是一款语音识别工具包,诞生于Cambridge University Engineering Department (CUED),后来几经易手,目前的HTK3由CUED和Microsoft维护.现在Microsoft对HTK依旧保留一定的版权,但是源码可以免费获得,用于教学和科研是没有问题的. 这里是我使用的源码与教程的当时版本HTK-3.4.1: 源码:http://pan.baidu.com/s/1gf9qAD9 教程