基于HTK语音工具包进行孤立词识别的使用教程

原创
2013/03/23 00:39
阅读数 3.8W

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,brightness, channel,color各录制5次。

B:声学分析,把wavform的声音文件转换为mfcc格式。

C:模型定义,为词典里面的每一个词建立一个HMM原型。

D:模型训练,HMM模型初始化和迭代。

E:问题定义,即语法定义。

F:对测试结合进行识别

G:评测 

  2.2 工作环境搭建

创建如下目录结构:

(1) data/:存储训练和测试数据(语音文件、语音标签、特征矢量文件)。子目录:data/train/lab data/train/wav data/train/mfcc data/test/lab data/test/wav data/test/mfcc

(2) analysis/: 存储声学分析步骤的文件

(3) training/: 存储初始化和训练步骤的文件

(4) model/: 存储识别系统的模型(HMMs)的相关文件。子目录:model/proto

(5) def/: 存储任务定义的相关文件

(6) test:/ 存储测试相关文件


2.3 标准HTK工具选项

一些标准选项对于每个HTK工具都是通用的。

(1) -A: 显示命令行参数

(2) -D: 显示配置设置

(3) -T 1: 显示算法动作的相关信息

完整的选项列表请参见:htkbook

语料库的准备

我们来录制{brightness, channel,color}这个三个词的读音。同时每个录音都要进行标注,也就是有一个文

本文件与其对应描述它的内容。

  3.1 录音

   我们将上述三个词各录制5次,保存为wav格式。并存放       data/train/wav/brightness data/train/wav/channel data/train/wav/channel中。

3.2 标注

   我们可以用相关的语音处理软件进行标注。并把标注的文件放到 data/train/lab/brightness data/train/lab/brightness data/train/lab/color中。

标注.lab文件的格式如下:

声学分析

从原始的声音文件转换为特征矢量文件:

需要创建的文件:

(1) analysis.conf 

       创建目录:training/

       说明:配置文件,说明了特征矢量的特性

       内容:

注:参数意义详见:htkbook

(1) targetlist_train.txt

创建目录:training/

说明:列出源文件和目的的文件的位置,即声音文件和特征文件

内容:

     

指令:Hcopy -A -D -C training/analysis.conf -S training/targetlist_train.txt

运行结果:

我们会看到:

5 HMM定义

需要创建的文件:hmm_brightness hmm_channel hmm_color hmm_silb hmm_sile

创建目录:model/proto

说明:用来定义单词的HMM模型

内容:

hmm_brightness: 

~o <VecSize> 39 <MFCC_0_D_A>

~h "brightness"

<BeginHMM>

<NumStates> 10

<State> 2 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 3 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 4 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 5

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 6 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 7 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 8 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<State> 9 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<TransP> 10

0.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.5 0.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.5 0.5 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.5 0.5 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.5 0.5 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.5 0.5 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.5 0.5 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.5 0.5 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.5 0.5

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<EndHMM>

注:hmm_channel hmm_colorhmm_brightness,不过最上面的名字要分别换成channelcolor
hmm_silb:

~o <VecSize> 39 <MFCC_0_D_A>

~h "silb"

<BeginHMM>

<NumStates> 3

<State> 2 

<Mean> 39

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

<Variance> 39

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0

<TransP> 3

0.0 1.0 0.0

0.0 0.5 0.5

0.0 0.0 0.0

<EndHMM>

注:hmm_silehmm_silb,只修改名字就好。

6 HMM训练

  6.1 初始化 

  需要创建的文件:

  (1) trainlist_brightness.txt trainlist_channel.txt trainlist_color.txt trainlist_silb.txt trainlist_sile.txt 

     创建目录:training/

     说明:特征矢量文件路径

      内容:




(2) hmm0目录

创建目录:model/

说明:初始化后的HMM模型存放的位置

指令:

Hinit -A -D -T 1 -S training/trainlist_brightness.txt -M model/hmm0 -H model/proto/hmm_brightness -l brightness -L data/train/lab/brightness brightness 


Hinit -A -D -T 1 -S training/trainlist_channel.txt -M model/hmm0 -H model/proto/hmm_channel -l channel -L data/train/lab/channel channel 


Hinit -A -D -T 1 -S training/trainlist_color.txt -M model/hmm0 -H model/proto/hmm_color -l color -L data/train/lab/color color


Hinit -A -D -T 1 -S training/trainlist_silb.txt -M model/hmm0 -H model/proto/hmm_silb -l silb -L data/train/lab/brightness silb


Hinit -A -D -T 1 -S training/trainlist_sile.txt -M model/hmm0 -H model/proto/hmm_sile -l sile -L data/train/lab/brightness sile

    初始化之后我们可以再hmm0文件夹中看到:

6.2 训练

需要创建的目录:hmm1 hmm2 hmm3

创建位置: model/

每次,HRest迭代(即当前再估计迭代中的迭代)显示在屏幕上,通过change

量度标示收敛性。一旦这个量度值不再从一个HRest迭代到下个迭代减少(绝对值),过程就该停止了,迭代一般2-3次就可以了。

指令:

HRest -A -D -T 1 -S training/trainlist_brightness.txt -M model/hmm1 -H model/hmm0/hmm_brightness  -l brightness  -L data/train/lab/brightness brightness


HRest -A -D -T 1 -S training/trainlist_brightness.txt -M model/hmm2 -H model/hmm1/hmm_brightness  -l brightness  -L data/train/lab/brightness brightness


HRest -A -D -T 1 -S training/trainlist_brightness.txt -M model/hmm3 -H model/hmm2/hmm_brightness  -l brightness  -L data/train/lab/brightness brightness


HRest -A -D -T 1 -S training/trainlist_channel.txt -M model/hmm1 -H model/hmm0/hmm_channel  -l channel  -L data/train/lab/channel channel


HRest -A -D -T 1 -S training/trainlist_channel.txt -M model/hmm2 -H model/hmm1/hmm_channel  -l channel  -L data/train/lab/channel channel


HRest -A -D -T 1 -S training/trainlist_channel.txt -M model/hmm3 -H model/hmm2/hmm_channel  -l channel  -L data/train/lab/channel channel


HRest -A -D -T 1 -S training/trainlist_color.txt -M model/hmm1 -H model/hmm0/hmm_color  -l color  -L data/train/lab/color color


HRest -A -D -T 1 -S training/trainlist_color.txt -M model/hmm2 -H model/hmm1/hmm_color  -l color  -L data/train/lab/color color


HRest -A -D -T 1 -S training/trainlist_color.txt -M model/hmm3 -H model/hmm2/hmm_color  -l color  -L data/train/lab/color color


HRest -A -D -T 1 -S training/trainlist_silb.txt -M model/hmm1 -H model/hmm0/hmm_silb  -l silb  -L data/train/lab/brightness silb


HRest -A -D -T 1 -S training/trainlist_silb.txt -M model/hmm2 -H model/hmm1/hmm_silb  -l silb  -L data/train/lab/brightness silb


HRest -A -D -T 1 -S training/trainlist_silb.txt -M model/hmm3 -H model/hmm2/hmm_silb  -l silb  -L data/train/lab/brightness silb


HRest -A -D -T 1 -S training/trainlist_sile.txt -M model/hmm1 -H model/hmm0/hmm_sile  -l sile  -L data/train/lab/brightness sile


HRest -A -D -T 1 -S training/trainlist_sile.txt -M model/hmm2 -H model/hmm1/hmm_sile  -l sile  -L data/train/lab/brightness sile


HRest -A -D -T 1 -S training/trainlist_sile.txt -M model/hmm3 -H model/hmm2/hmm_sile  -l sile  -L data/train/lab/brightness sile

7.任务定义

  7.1 建立语法规则和字典

需要创建的文件:

(1) gram.txt

    创建的目录:def

说明:在使用我们的单词模型之前,要定义识别器的基本结构(任务语法)。我们首先定义最简单的语法:开始停顿、接着简单单词(这里指brightness, channel, color)、结束停顿。

内容:

注:用括号{}括住START_SILEND_SIL表示其可不存在或者重复多次(允许在单词之前或之后长时间的停顿,或者根本没有停顿)。括号[]括住$WORD表示零个或一次出现(如果没有单词,可能只是识别停顿)。

(2) dict.txt

创建的目录:def

说明:系统要知道HMM模型与语法变量BRIGHTNESSCHANNELCOLORSTART_SILEND_SIL的对应关系。这种信息存储在文本文件中,命名为任务字典。

内容:

7.2 网络

建立任务网络:

生成的文件:net.slf

命令:Hparse -A -D -T 1 def/gram.txt def/net.slf

运行结果:

识别

  8.1 准备测试数据

  需要准备的文件:

  (1) hmmlist.txt

  创建的目录:test/

  说明:列出了要使用的模型的名字(brightness, channel,color,silb,sile) ,每个一行,最后要加一个空行。

  内容:

(2) targetlist_test.txt

   创建的目录:test/

   内容:


命令:

Hcopy -A -D -C test/analysis.conf -S test/targetlist_test.txt

   

  8.2 识别

     基本方法:

     需要创建的文件:

      (1) result文件夹 

      (2) reco.mlf 

      创建的目录:result/

      初始内容:

      #!MLF!#

      (3) hmmsdef.mmf

      创建的目录:test

      命令等同于:-H model/hmm3/hmm_brightness  -H model/hmm3/hmm_channel  -H model/hmm3/hmm_color -H model/hmm_silb -H model/hmm3/hmm_sile

      内容:hmm3中的所有文件的内容一起粘贴。

      注意:只保留一个"~O"

      命令:

Hvite -A -D -T 1 -H test/hmmsdef.mmf -i result/reco.mlf -w def/net.slf def/dict.txt test/hmmlist.txt data/test/mfcc/brightness/brightness1.mfcc

结果会在reco.mlf中显示:


交互方式:

需要创建的文件:

directin.conf

创建的目录:test

说明:是Hvite的配置文件,允许使用直接音频输入,为了允许从输入信号中直接提取声学系数,这个文件必须包含前面训练数据使用的声学分析配置参数。

内容:

指令:

Hvite -A -D -T 1 -C test/directin.conf -g -H test/hmmsedf.mmf -w def/net.mlf def/dict.txt test/hmmlist.txt

性能测试

  9.1 主标签文件

    在性能评测之前,我们需要创建两个文件,命名为主标签文件,扩展名是.mlf

·第一个文件包含整个训练集的正确副本,即是通过手工标注的副本。把ref.mlf记作参考副本。

·第二个文件包含整个测试集的识别副本,即识别器产生的假设副本。把reco.mlf记为识别副本。

    通过比较每项数据的参考副本和识别假设,进行性能评测。

内容:

ref.mlf

需要创建的文件:testlist.txt

说明:测试路径

内容:

命令:

Hvite -A -D -T 1 -S test/testlist.txt -H test/hmmsdef.mmf -i result/reco.mlf -w def/net.slf def/dict.txt test/hmmlist.txt 

运行之后会看到:

reco.mlf中:

9.2 错误率

      需要创建的文件:

      labellist.txt

      说明:出现在副本文件中的标签列表

      创建的目录:result

      内容:

results.txt

     创建的目录:result

     说明:存放错误率结果

     命令:

HResults -A -D -T 1 -e ??? sil -

I  result/ref.mlf  result/labellist.txt result/reco.mlf > result/results.txt

      最后显示结果为:

注:由于选取的数据集很小只有9个词,非常有限,所以识别率是100%

第一行(SENT)给出句子的识别率(%Correct=100.00),第二行(WORD)给出的是单词的识别率(%Corr=100.00)。上图中,这两个比率是相同的,这是因为我们的任务语法仅使用一个单词(除了停顿之外)作为句子。这是孤立词识别任务。这里只要考虑第一行(SENT)就够了。H=9 给出的是测试数据被正确识别的数量,S=0,表示识别相反的数量。N=0表示测试数据总数。

10 总结

经过了几天的学习和测试,终于完成了基于HTK工具包进行孤立词识别的工作,掌握了孤立词识别的基本使用方法,具体的细节参数使用在日后的工作中还需要再斟酌。




展开阅读全文
打赏
1
35 收藏
分享
加载中
楼主,我进行识别的时候出现这样的情况是怎么回事啊?
READY1>
ERROR [+6371] ValidCodeParms: parm frame rate 0.000000 unlikely
FATAL ERROR - Terminating program HVite
2013/12/07 10:24
回复
举报
您好,我以前训练数据用的音频格式为wav的,后来用PCM格式的文件,由于缺少头文件出现了与二楼一样的情况,但是我现在要训练数据的格式如果要采用PCM格式,该如何修改Config文件呢?HTK工具包支不支持这种不包含头信息的音频格式呢?
2013/10/11 14:26
回复
举报
求教楼主~~刚开始接触这个东东,用HSLab 尝试标记TIMIT里面的一个wav文件,总是出错呢,其它自己录制的wav文件也都打不开啊,要疯了,求教求教~~
ERROR [+6250] GetHTKHeaderInfo:cannot read HTK Header
ERROR [+6213] OpenWaveInput:Get[format HeaderInfo] failed
ERROR[+1514]LoadData:OpenWaveInput failed
2013/05/30 21:04
回复
举报

引用来自“找一片天空散步”的评论

引用来自“云树”的评论

引用来自“找一片天空散步”的评论

引用来自“云树”的评论

在提取特征参数那里 报错了
ERROR [+6251] Input file is not in RIFF format
ERROR [+6213] OpenWaveInput: Get[format]HeaderInfo failed
ERROR [+6313] OpenAsChannel: OpenWaveInput failed
ERROR [+6316] OpenBuffer: OpenAsChannel failed
ERROR [+1050] OpenParmFile: Config parameters invalid
FATAL ERROR - Terminating program Hcopy

请问楼主有遇到这种情况么?不知道要怎么解决呢

有过~~~是你那个文件的格式没有弄对~

是文件格式的问题 换成sig格式就可以了 还有问题麻烦您
1、之前是直接用HSlab录制的wav格式 但是出错了,如果我想用wav格式用其他软件录制也可以吧 标注的文件lab要怎么获取呢?
2、在8.2识别这里出现了错误,
ERROR [+8050] ReadDict: Phone or outsym expected in word END_SIL
ERROR [+8013] ReadDict: Dict format error
ERROR [+3213] Main: ReadDict failed
是我的dict字典最后的end_sil不正确么?
3、在每一步之后都显示no HTK configuration parameters set 这个不影响实验吧??
还望楼主帮忙~求~

我的就是用自己录制的wav文件,但是标注都是自己标注的,写成lab文件。之后的那个错误应该是你的字典没有弄对。话说你也是搞语音识别的吗?

ERROR [+1011] IsWave: cannot open File –A–D FATAL ERROR - Terminating program HCopy
2013/05/19 14:59
回复
举报
该评论暂时无法显示,详情咨询 QQ 群:912889742

引用来自“云树”的评论

引用来自“找一片天空散步”的评论

引用来自“云树”的评论

在提取特征参数那里 报错了
ERROR [+6251] Input file is not in RIFF format
ERROR [+6213] OpenWaveInput: Get[format]HeaderInfo failed
ERROR [+6313] OpenAsChannel: OpenWaveInput failed
ERROR [+6316] OpenBuffer: OpenAsChannel failed
ERROR [+1050] OpenParmFile: Config parameters invalid
FATAL ERROR - Terminating program Hcopy

请问楼主有遇到这种情况么?不知道要怎么解决呢

有过~~~是你那个文件的格式没有弄对~

是文件格式的问题 换成sig格式就可以了 还有问题麻烦您
1、之前是直接用HSlab录制的wav格式 但是出错了,如果我想用wav格式用其他软件录制也可以吧 标注的文件lab要怎么获取呢?
2、在8.2识别这里出现了错误,
ERROR [+8050] ReadDict: Phone or outsym expected in word END_SIL
ERROR [+8013] ReadDict: Dict format error
ERROR [+3213] Main: ReadDict failed
是我的dict字典最后的end_sil不正确么?
3、在每一步之后都显示no HTK configuration parameters set 这个不影响实验吧??
还望楼主帮忙~求~

我的就是用自己录制的wav文件,但是标注都是自己标注的,写成lab文件。之后的那个错误应该是你的字典没有弄对。话说你也是搞语音识别的吗?
2013/05/09 22:27
回复
举报

引用来自“找一片天空散步”的评论

引用来自“云树”的评论

在提取特征参数那里 报错了
ERROR [+6251] Input file is not in RIFF format
ERROR [+6213] OpenWaveInput: Get[format]HeaderInfo failed
ERROR [+6313] OpenAsChannel: OpenWaveInput failed
ERROR [+6316] OpenBuffer: OpenAsChannel failed
ERROR [+1050] OpenParmFile: Config parameters invalid
FATAL ERROR - Terminating program Hcopy

请问楼主有遇到这种情况么?不知道要怎么解决呢

有过~~~是你那个文件的格式没有弄对~

是文件格式的问题 换成sig格式就可以了 还有问题麻烦您
1、之前是直接用HSlab录制的wav格式 但是出错了,如果我想用wav格式用其他软件录制也可以吧 标注的文件lab要怎么获取呢?
2、在8.2识别这里出现了错误,
ERROR [+8050] ReadDict: Phone or outsym expected in word END_SIL
ERROR [+8013] ReadDict: Dict format error
ERROR [+3213] Main: ReadDict failed
是我的dict字典最后的end_sil不正确么?
3、在每一步之后都显示no HTK configuration parameters set 这个不影响实验吧??
还望楼主帮忙~求~
2013/05/09 16:45
回复
举报

引用来自“云树”的评论

在提取特征参数那里 报错了
ERROR [+6251] Input file is not in RIFF format
ERROR [+6213] OpenWaveInput: Get[format]HeaderInfo failed
ERROR [+6313] OpenAsChannel: OpenWaveInput failed
ERROR [+6316] OpenBuffer: OpenAsChannel failed
ERROR [+1050] OpenParmFile: Config parameters invalid
FATAL ERROR - Terminating program Hcopy

请问楼主有遇到这种情况么?不知道要怎么解决呢

有过~~~是你那个文件的格式没有弄对~
2013/05/06 00:34
回复
举报
在提取特征参数那里 报错了
ERROR [+6251] Input file is not in RIFF format
ERROR [+6213] OpenWaveInput: Get[format]HeaderInfo failed
ERROR [+6313] OpenAsChannel: OpenWaveInput failed
ERROR [+6316] OpenBuffer: OpenAsChannel failed
ERROR [+1050] OpenParmFile: Config parameters invalid
FATAL ERROR - Terminating program Hcopy

请问楼主有遇到这种情况么?不知道要怎么解决呢
2013/05/05 09:37
回复
举报
学习了
2013/03/23 08:59
回复
举报
更多评论
打赏
10 评论
35 收藏
1
分享
返回顶部
顶部