Kaldi AMI数据集脚本学习7---train_deltas.sh

sunfoot001

于 2018-05-28 20:43:04 发布

阅读量1.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： ASR

本文详细介绍了在Kaldi中使用AMI数据集训练delta特征的过程，包括设置num-leaves和tot-gauss参数，建立决策树的各个步骤，如聚类、问题编译、根节点设置和决策树构建，最终将决策树信息存储在tree文件中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 命令行格式

在AMI数据集中num-leaves=5000(即5000个不同的states)，tot-gauss=80000（平均每个不同states 高斯模型数目是16个）.

"Usage: steps/tandem/train_deltas.sh <num-leaves> <tot-gauss> <data1-dir> <data2-dir> <lang-dir> <alignment-dir> <exp-dir>"

2. 训练步骤总览

1）Train a monophone system (or use previously built triphone system) to get time alignments for data.

2）Build a “decision tree” for each “monophone”.

3）For each seen triphone, accumulate sufficient statistics to train a single Gaussian per HMM state。得到的statistics存放在exp/tri1/treeacc文件。

3. Build “decision tree”

1） get questions

We cluster the phones to get questions.

A question is just a set of phones,Would normally be a

200万优质内容无限畅学