语音识别系统语言模型的训练和声学模型的改进

一、训练语言模型

词与词之间存在着合乎句法与否的约束，语言模型就是用来表示这些约束的，它可以提供字与字之间的上下文信息和语义信息。N-gram模型，即对训练音频文件所对应的文本文件进行统计，提取不同字词之间先后发生的统计关系。

如果你的语言模型较小（例如小的语音指令集或者任务），而且是英文的，那就可以直接上CMU提供的网络服务器上面训练，如果较大的话，一般使用CMUclmtk语言模型工具来训练。下面分两种情况来介绍：
1.1、利用在线工具建立语言模型

进入网址：http://www.speech.cs.cmu.edu/tools/lmtool.html

.dic、.lm的文件

pocketsphinx_continuous解码器用-lm选项来指定要加载的语言模型，-dict来指定要加载的字典。

1.2、训练大文本数据的语言模型

我们通过语言模型训练工具CMUCLMTK统计大量文本数据得到以单个词建立的N-Gram模型

具体的步骤如下：

（1）准备训练的文本，也就是语料库：

（2）产生词汇表vocabulary文件：# text2wfreq < *.txt | wfreq2vocab > *.tmp.vocab

命令text2wfreq：统计文本文件中每个词出现的次数，得到一个后缀为wfreq的文件

命令wfreq2vocab：统计文本文件中含有多少个词，即有哪些词。如数字识别中包含10个数字和两个静音

（3）生成 arpa格式的语言模型：

（4）转换为 CMU的二进制格式 (DMP)：

最终生成了语言模型*.lm.DMP，此文件为解码器端所需要的文件格式

原文地址：https://www.cnblogs.com/aimod/p/9892511.html