音声認識メモ(Kaldi)その6(学習 その3)

モノフォンのモデルをもとに、トライフォンのモデルを作成する。

まずは、統計量を作成。

bin/acc-tree-stats --ci-phones=1:2:3:4:5:6:7:8:9:10 2.mdl ark:mosimosi.ark ark:1.ali treeacc

phone index 1〜5は「sil」、6〜10は「spn(spoken noise)」

続けて、決定木作成時に与える質問リストを作成。

bin/cluster-phones treeacc sets.int questions.int
(参考)インプットデータ「sets.int」
1 2 3 4 5
6 7 8 9 10
11 12 13 14
15 16 17 18
19 20 21 22
23 24 25 26

phone index 11〜14は「I」、15〜18は「M」、19〜22は「O」、23〜26は「S」

コンパイルする。

bin/compile-questions topo questions.int questions.qst
(参考)インプットデータ「topo」
<Topology>
<TopologyEntry>
<ForPhones>
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
</ForPhones>
<State> 0 <PdfClass> 0 <Transition> 0 0.75 <Transition> 1 0.25 </State>
<State> 1 <PdfClass> 1 <Transition> 1 0.75 <Transition> 2 0.25 </State>
<State> 2 <PdfClass> 2 <Transition> 2 0.75 <Transition> 3 0.25 </State>
<State> 3 </State>
</TopologyEntry>
<TopologyEntry>
<ForPhones>
1 2 3 4 5 6 7 8 9 10
</ForPhones>
<State> 0 <PdfClass> 0 <Transition> 0 0.25 <Transition> 1 0.25 <Transition> 2 0.25 <Transition> 3 0.25 </State>
<State> 1 <PdfClass> 1 <Transition> 1 0.25 <Transition> 2 0.25 <Transition> 3 0.25 <Transition> 4 0.25 </State>
<State> 2 <PdfClass> 2 <Transition> 1 0.25 <Transition> 2 0.25 <Transition> 3 0.25 <Transition> 4 0.25 </State>
<State> 3 <PdfClass> 3 <Transition> 1 0.25 <Transition> 2 0.25 <Transition> 3 0.25 <Transition> 4 0.25 </State>
<State> 4 <PdfClass> 4 <Transition> 4 0.75 <Transition> 5 0.25 </State>
<State> 5 </State>
</TopologyEntry>
</Topology>

続けて、decision tree(決定木)を作成する。

bin/build-tree treeacc roots.int questions.qst topo tree
(参考)インプットデータ「roots.int」
shared split 1 2 3 4 5
shared split 6 7 8 9 10
shared split 11 12 13 14
shared split 15 16 17 18
shared split 19 20 21 22
shared split 23 24 25 26
tree(説明用に加工したもの)
ContextDependency
3   :context-width
1   :central-position

ToPdf
SE 1 [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 ]{

   SE 1 [ 1 2 3 4 5 ]{
      CE 0
      SE 1 [ 6 7 8 9 10 ]{
         CE 1
         CE 2
      }
   } 

   SE 1 [ 15 16 17 18 ]{
      CE 3
      SE 1 [ 19 20 21 22 ]{
         CE 4
         CE 5
      } 
   }
} 
EndContextDependency 

treeを図示したもの。
f:id:ichou1:20180326204903p:plain

緑字の角カッコ内はphone index、SE(SplitEventMap)のkeyの意味は以下のとおり。

  • 0(left phone)
  • 1(center phone)
  • 2(right phone)

茶色がCE(ConstantEventMap)で、leafとなるpdf-idを示している。

作成した決定木をもとに、トライフォンの初期モデルを作成する。

gmm-init-model tree treeacc topo tri_0.mdl