返回信息流不知道这里用HTK做语音识别的人多不多。
我现在刚开始用HTK做连续流普通话识别（级别比较低，刚把dtkbook的第三章试验做会），想建立一个错音辨识网络，从而实现错音定位和检测。
我猜大概是在建语言模型和识别时做些变动，但不知道具体怎么改。请达人指教！
若还能推荐错音定位（检测）方面的中文资料（我有Truong的硕士论文，这个对error detection有一定的调研，在英文资料里算比较全面的了吧），则更加感激不尽！[em21]
若有同学跟我研究方向类似，有兴趣我们可以互相交流。有需要Truong的硕士论文的，可以留邮箱，我发给你：）
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #814同步于 2008/1/7
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
请教如何用HTK建立一个错音辨识网？
apple1019
2008/1/7镜像同步26 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
你的错音网络是指什么？错音的检测性能在很大程度上取决于你的Phone Set的定义，和你采用的前端技术以及Language Model训练的充分度。
目前的HTK3.4只能支持Bi-gram的Language Model，不知道你们的研究计划是什么样子的？
最笨笨的方法是decode后在language层作工作，当然这样应该是没必要的。我只知道有做
keyword spotting。
Truong是谁啊？
【 在 speaker 的大作中提到: 】
: 你的错音网络是指什么？错音的检测性能在很大程度上取决于你的Phone Set的定义，和你采用的前端技术以及Language Model训练的充分度。
: 目前的HTK3.4只能支持Bi-gram的Language Model，不知道你们的研究计划是什么样子的？
: 最笨笨的方法是decode后在language层作工作，当然这样应该是没必要的。我只知道有做
: ...................
有篇中文资料，《應用錯誤型態分析於英語發音輔助學習》不知你是不是看过？
Truong在Automatic pronunciation error detection方面写过几篇文章，我也是在网上查到这个人的，在德国某大学（记不清学校名）研究语音识别方向。
不知你提的前端技术具体指什么？我们实验室对语音识别的研究还主要停留在声学模型钻研的层面上。对语言模型接触的也不多……看来我懂的太少了。
那篇文章我少扫了一眼，讲的很清晰。
1、你需要的错音辨识网络实际上就是Veterbi解码是所用的词图，也就是Network(HVite 的 -w选项要的那个）
2、你需要做的工作：
（1）统计音素级别的常见的发音错误，比如汉语里把平舌音发成翘舌音等等。
（2）根据发音错误表，建一个新的Network,由于decoding路径有限，所以用HParse就行
（3）然后就是用识别器识别啦，根据识别得到的音素序列去查表，就知道把X音读成Y了。注意啊，识别器用的模型要用标准的native speaker的数据集。PhoneSet的定义如果只用MonoPhone的话很简单的，相信你们应该有人做过了！
3、至于Sentence Verification，可以先跳过。识别器的性能比较重要！
原来是在HParse指令上改动。。。
我研究研究。
利用识别器只是做错音检测的方法之一吧，早期的检测方法基本上就是机器打分。不知道speaker是不是还知道其他方法。有没有这方面的中文资料推荐。
哈哈，问题有点多。
如果你要在连续语音中做到错音的定位，只在Sentence level上打分是肯定不行的。打分实际上是采用alignment来做的，一般是结合声学层的、韵律层的、语言层的等等。
我没有做过这方面的研究，所以没有相关的资料。只是几年前，和科大讯飞的一些人聊到过，他们有做这个东西。IBM和SRI的系统值得参考，他们的识别器做的应该是领域里出类拔萃的。IBM的系统一向很复杂，这是他们的风格。SRI的系统有不错的韵律层打分的方法，我觉得很好，但最基本的还是声学层的打分，斯坦福的系统应该还是比较简单实用的。
我的建议是，从最基本的声学系统做起，这是最简单也是目前用的最广泛的。