本节使用HTK来完成一个拨号系统，虽然拨号系统本身非常简单，但是它却是一个通用的模型，能够帮助我们迅速掌握HTK的用法。
为了完成该系统，需要了解如何进行准备以下的操作：
1. 去相关变换的用法；
2. 大词汇量解码器的使用；
3. 识别训练；
4. 说话人适配；
5. 学习使用循环神经网络做语言模型；
6. 学习用深度神经网络做HMM状态分布的估计和语音特征的产生；
* * * * *
### 第一部分 准备识别任务的语法
我们所要构建的拨号系统应该能够识别如下的命令，例如
* Dial three three two six five four
* Dial nine zero four one oh nine
* Phone Woodland
* Call Steve Young
我们用一个EBNF来表示上面语言的语法
~~~
$digit = ONE | TWO | THREE | FOUR | FIVE |
SIX | SEVEN | EIGHT | NINE | OH | ZERO;
$name = [ JOOP ] JANSEN |
[ JULIAN ] ODELL |
[ DAVE ] OLLASON |
[ PHIL ] WOODLAND |
[ STEVE ] YOUNG;
( SENT-START ( DIAL <$digit> | (PHONE|CALL) $name) SENT-END )
~~~
该语法表示你可以说dail+电话号码，也可以说phone/call+人名。该EBNF对应的词网络如下图：
**利用HPrase，我们可以完成将EBNF转化为词网络的任务**，输出的词网络以SLF规定的形式表示并存储。
具体的，我们将语法文件存储在`worksource/grammar.ebnf`中，然后执行如下命令：
~~~bash
bin.cpu/HParse worksource/grammar.ebnf worksource/wordnet.slf
~~~
查看`worksource/wordnet.slf`文件，其中的内容如下：
~~~
VERSION=1.0
N=31 L=62
I=0 W=SENT-END
I=1 W=YOUNG
I=2 W=!NULL
I=3 W=STEVE
······
I=28 W=SENT-START
I=29 W=!NULL
I=30 W=!NULL
J=0 S=2 E=0
J=1 S=16 E=0
······
J=60 S=30 E=28
J=61 S=0 E=29
~~~
该文件第一行声明了文件的版本，第二行`N=31 L=62`表示该文件所描述的图中包含**31个节点，62条弧**，接下来的部分描述节点含义，例如`I=0 W=SENT-END`表示**编号为0的节点表示的意义是SENT-END**，最后一部分描述弧的信息，例如`J=0 S=2 E=0`表示**编号为0的弧，起点是编号为2的节点，终点是编号为0的节点**。
* * * * *
### 第二部分 准备词典
建立词典的主要任务是收集所有需要用到的单词和发音。HTK所需要的发音词典的内容如下所示：
每一行是一个单词的发音，第一个项表示单词，方括号是可选的，表示当遇到该单词的时候，已经产生的句子需要被输出，最后的一串是该单词的发音。
我们需要找到发音词典来查找需要用到的词的信息，并将其组织为上述形式。
这里我们先介绍一个工具HDMan，使用它可以方便地将多个发音词典合成为一个发音词典。其最基本的用法如下：
~~~bash
HDMan out in1 in2 ···
~~~
该命令的作用是将词典in1，in2等合并为一个词典out。另外以下参数对我们来说是非常有用的：
* 参数-w wlist可以使输出词典中只包含wlist（下文写作word list）中列出的单词，wlist的单词必须按词典序排列。
* 参数-m 则会把一个单词的所有发音全部输出，默认情况下HDMan命令只会输出第一个发音。
**了解了任务的目标，我们接下来完成项目所需的词典的创建。**
在worksource中创建文件夹dict，根据HTKBook的要求，我们从[这里](ftp://svr-ftp.eng.cam.ac.uk/pub/comp.speech/dictionaries/beep.tar.gz)下载beep词典，将解压后的内容放到dict中，此时dict中的内容如图所示：
词典的主要内容是两个文件case.txt和beep-1.0，其中beep-1.0中包括了单词的发音。
利用Shell命令，我们可以从词网络文件生成word list，具体地，在`~/htk/worksource/dict`目录下执行如下命令：
~~~bash
cat ../wordnet.slf | grep W= | sed 's/.*W=\(.*\)/\1/g'| sort -u > wlist
~~~
就可以在此目录下生成名为wlist的word list文件。
另外，beep词典是由许多组织共同编写的，其中的单词表示形式不同，而HDMan要求的词典必须按照字典序排列，使用如下命令从beep中生成符合输入要求的词典simple_beep，simple_beep中包含所有全部由大写字母组成的单词。
~~~
cat beep/beep-1.0 | grep -E ^[A-Z]+[[:space:]] | sort -t $' ' -k 1,1 -c > simple_beep
~~~
根据HDMan的要求，还需要再执行HDMan的目录下编辑global.ded的脚本文件，来空时输出词典的格式，内容如下：
~~~
AS sp
RS cmu
MP sil sil sp
~~~
使用HDMan命令就可以生成需要的词典。命令如下
~~~
../../bin.cpu/HDMan -w wlist special_dict simple_beep
~~~
最后向special_dict中添加缺失的数据如下：
* * * * *
### 第三部分 准备录音数据
利用HSLab，可以录取音频文件，运行命令`.\HSLab.exe noname`可以创建一个新的音频文件，而运行命令`.\HSLab.exe file`可以打开名为file的音频文件。HSLab的主界面如下：
为了方便数据的录制，HTK另外提供了工具HSGen，用于按照词网络的规则随机地产生句子。用法如下：
~~~bash
HSGen [options] wdnet dictfile
~~~
其中option支持如下选项：
* -l 给每个句子添加行号；
* -n N 一共产生N个句子；
* -q 抑制输出；
* -s 计算词网络的特征；
执行命令
~~~
HSGen -l -n 10 wordnet.slf special_dict > textprompts
~~~
就可以生成10句样本文本，其中的内容如下（该内容是随机的）：
整体的获取音频数据的流程如下图：
* * * * *
### 第四部分 获取抄本文件
为了方便使用，我们还需要将上述句子文件`textprompts`转化为MLF文件，HTK提供了一个脚本将上述文件转化为MLF文件，脚本的位置在simples/HTKTutorial下，名为prompts2mlf，用法如下：
~~~bash
./prompts2mlf text.mlf textprompts
~~~
生成的`text.mlf`文件的内容如下：
紧接着，还需要用工具`HLEd`将词级别的mlf文件转换为音素级别的mlf文件，`HLEd`也支持编辑脚本文件来对音素做一些处理，这里需要创建脚本`mkphones0.led`，内容如下（*该文件的作用后面再详细解释*）
然后执行如下命令就可以产生音素级别的mlf文件（*参数之后再详细解释*）：
~~~bash
HLEd -l '*' -d special_dict -i phones0.mlf mkphones0.led text.mlf
~~~
生成的phones0.mlf文件如下：
* * * * *
### 第五部分 提取音频的特征
最后，我们还需要将录制的数据转化为音频特征文件，HTK提供了`HCopy`工具来帮助我们完成任务，`HCopy`根据所提供的配置文件和一组列表文件来完成音频特征的提取过程。
为了完成这个过程，我需要首先准备一个列表文件，文件的内容结构如下：
每一行是一个音频文件的名称和特征文件的名称，中间用空格隔开。
还需要准备一个配置文件，用来指示HCopy如何提取特征，HTKBook给出的范例如下（*具体参数的意义后面再解释*）：
~~~
# Coding parameters
TARGETKIND = MFCC_0
TARGETRATE = 100000.0
SAVECOMPRESSED = T
SAVEWITHCRC = T
WINDOWSIZE = 250000.0
USEHAMMING = T
PREEMCOEF = 0.97
NUMCHANS = 26
CEPLIFTER = 22
NUMCEPS = 12
ENORMALISE = F
~~~
**现在**我们来对一个音频文件simple.wav（！**需要说明的是，这里的simple.wav文件仅仅是后缀名是wav，而非标准的windows平台的wav文件，它实际上是由HSLab录制的声音文件，一般扩展名写作.sig**）进行特征提取，这里假设文件就存放在执行命令的文件夹下，因此编写waves.scp文件内容如下
~~~txt
simple.wav simple.mfc
~~~
然后将上述配置文件存储为`config`文件。
接着可以运行如下命令：
~~~bash
HCopy -T 1 -C config -S waves.scp
~~~
执行成功后得到如下输出：
至此数据准备工作就完成了。
* * * * *
