HTK数据预备工具-HCopy

HTK数据准备工具-HCopy

HTK的数据准备工具主要是针对语言文件和语音标签数据文件的处理，前面介绍了处理语音标签数据文件的处理工具，如下：

HLEd。根据发音词典，自动对标签文件进行标记。该工具还可以对标签文件进行编辑处理，其实主要是对标签文件进行编辑，按照发音词典进行扩展也是编辑的一种，另外可以对发音词典进行替换、删除、写入等编辑操作。参见：数据准备工具-HLEdHLStats。这个工具主要是对标签文件根据发音词典展开之后的标记文件和HMM模型列表进行统计。参见：数据准备工具-HLStats

上面的两个工具都是对标签文件进行处理，包括自动标记及统计等功能，当然，需要发音词典作为输入，其实也是根据发音词典而统计的单音列表。
本文讨论对音频数据文件的处理工具：HCopy。这个工具是将原始的音频数据文件（如WAV）转换成HTK格式的参数文件。
一，使用语法

一般用的比较多的是从WAVEFORM转换至MFCC。
二，命令选项命令的一些常用选项如下：
-C configfile。指定工具命令的配置文件，这个文件可以指定源文件类型以及目标文件的类型，还可以源文件和目标文件的一些基本头属性。-s f 。从源文件开始复制至目标文件的时间，默认是0.0。这个的意思是说，从源文件的什么时间开始复制至目标文件，如源文件的前3秒钟，我们不需要。就可以用到这个选项了。如我们需要指定从0.1秒开始，就需要指定-s 1E6，因为是以100ns为单位的。-e f。和上面的选项对应，表示从源文件复制的结束时间，就是从开始复制到多少时间之后，就结束复制。-i mlf。输出标签标记文件，如果输入文件是HTK的标记文件的话。-l s。指定标签标记文件的输出目录，默认是当前目录。-F fmt，指定源文件数据格式。-G fmt，指定标签标记文件格式。-I mlf。加载标签标记文件。

三，实际例子假如现在有sample01.wav sample02.wav等10个音频文件，我需要把这些文件全部转换成Mel倒谱系数MFCC特征文件，操作如下： 完成脚本文本，如下。script.scp
[root@localhost data]# HCopy -A -D -T 1 -C ./config -S ./script.scpHCopy -A -D -T 1 -C ./config -S ./script.scp HTK Configuration Parameters[8]  Module/Tool     Parameter                  Value#                 NUMCEPS                       12#                 NUMCHANS                      24#                 WINDOWSIZE         320000.000000#                 TARGETRATE         160000.000000#                 TARGETKIND          MFCC_E_D_A_Z#                 SOURCERATE                  1250#                 SOURCEFORMAT                 WAV#                 SOURCEKIND              WAVEFORM./wav/sample01.wav -> ./mfcc/sample01.mfcc ./wav/sample02.wav -> ./mfcc/sample02.mfcc ./wav/sample03.wav -> ./mfcc/sample03.mfcc ./wav/sample04.wav -> ./mfcc/sample04.mfcc ./wav/sample05.wav -> ./mfcc/sample05.mfcc ./wav/sample06.wav -> ./mfcc/sample06.mfcc ./wav/sample07.wav -> ./mfcc/sample07.mfcc ./wav/sample08.wav -> ./mfcc/sample08.mfcc ./wav/sample09.wav -> ./mfcc/sample09.mfcc ./wav/sample10.wav -> ./mfcc/sample10.mfcc  HTK Configuration Parameters[8]  Module/Tool     Parameter                  Value                  NUMCEPS                       12                  NUMCHANS                      24                  WINDOWSIZE         320000.000000                  TARGETRATE         160000.000000                  TARGETKIND          MFCC_E_D_A_Z                  SOURCERATE                  1250                  SOURCEFORMAT                 WAV                  SOURCEKIND              WAVEFORM

命令执行完成后，就会生成10个mfcc格式文件，完成数据源的复制，也是数据训练的准备。
 

 

查看更多 下一篇