MingHsiangSu的部落格

在這邊我們用數字辨識來說明HTK的操作過程。透過這個範例，可以容易理解HTK的操作。

第一步為定義字典(dictionary)檔案，字典檔案中應該包含字詞 (word, syllable) 和音素 (phone, sub-syllable)。在這邊我們只需要定義數字(0~9)的字典資訊就可以了。字典資訊主要是讓HTK可以透過字典，將我們所要辨識的數字(0~9)轉換成對應的音素(phones)。例如下圖中，我們可以把 one 對應到 yi 這個音素。

音素的設定，並沒有特殊限制，主要還是使用者自訂。其中靜音預設為 "sil"，而停頓音設定為 "sp"。

在此範例中，我們在HTK資料夾中新增 "Dic" 資料夾，並且產生字典檔案 "Number_phone.dic"。

字典設定好之後，我們可以在 DOS command Line 模式下，輸入下列指令，將字典排序，會輸出檔案 "Number_phone_sort.dic"，提供後續使用。

sort .\Dic\Number_phone.dic > .\Dic\Number_phone_sort.dic