Kaldi的三音子模型训练（源码解析）( 二 ) 单音子模型的假设是一个音素

文章图片

文章图片
EV4-10001292134：就是一个EventType ， 4表示后面有4对pair 。
-10001292134：表示该三音素是0/29/134的第1个hmm状态。
GCL1：表示该EventType出现的次数(对应count_变量) 。
0.01：表示方差如果有小于0.01 ，则等于0.01 。
第一行表示特征向量的均值。第二行表示特征向量的均值的平方。
过程：

文章图片

文章图片
源码解析：
1）数据结构
std::maptree_stats

文章图片

文章图片
EventType：
在kaldi中用EventType描述三音素及HMM的状态。假设三音素是a-b+c ，编号为2,3,4 。
EventTypee={(-1,1),(0,2),(1,3),(2,4)}
表示三音素的三对数和表示HMM状态的一对数放在一起，这四对数就可以描述三音素及HMM状态。在kaldi中用EventType表示这一数据结构：
typedefstd::vector>EventType;
所以，一个EventType就是一个带着三音素信息的状态state 。

文章图片

文章图片
那么如何确定以b为中间音素的三音子的第二个状态下面挂着的pdf-id呢？pdf-2怎么得到？

文章图片

文章图片
EventMap是保存决策树的一种方法，它是一个多态纯虚类，不能够被实例化。
GuassClusterable
GuassClusterable继承自Clusteralbe ， Clusteralbe对象的主要作用是把统计量累加在一起，和计算目标函数。alignment之后，从左到右扫描对齐数据能从中得到三音素及HMM状态和其对应的特征向量，也就是得到一个EventType和其对应的特征向量。在扫描过所有训练数据后，出现的每个EventType会对应多个特征向量。
2）主要函数
对所有的特征数据、对齐数据执行这个函数后，我们从训练数据中得到了所有的EventType和该EventType对应的统计量。这些统计量可以被用于自动产生问题集、构建决策树。

文章图片

文章图片
函数声明：

文章图片

文章图片
函数过程：

文章图片

文章图片
SplitToPhones（）

文章图片

文章图片
3）BuildTreeStatsType
构建决策树所用到的统计量可以表示成：
typedefstd::vector>
BuildTreeStatsType;
sum-tree-stats.cc
功能：语音上下文树构建的总和统计。
总结
【Kaldi的三音子模型训练（源码解析）】为了弥补单因素模型的不足，需要上下文相关的三音子模型。为了构建三音子模型，需要进行状态绑定。为了进行状态绑定，需要构建决策树。为了构建决策树，需要准备问题集。为了自动生成问题集，需要累计相关统计量。为了累计相关统计量，需要对齐序列、单音素模型、每句话的特征。至此累计好了相关统计量，接下来就可以自动生成问题集了。