Chapter 17: Exercises

1. (**) 中文數字辨識之一: 請仿照 goSyl13.bat 或是 goSyl13.m，使用2003年的數字錄音為訓練資料，2006年的數字錄音為測試資料，求取相關的 inside-test 和 outside-test 辨識率。事實上，主要的工作都是在準備相關檔案，因此你的工作就是要寫一個 MATLAB 程式 goGenFile4htk.m，能夠從指定的 wav 檔案資料夾，抓取 wav 檔案資料，並產生下列檔案，以供 HTK 訓練：
   1. 產生 digitSyl.mlf 檔案。
   2. 產生 wav2fea.scp 檔案。
   3. 產生 trainFea.scp 及 testFea.scp 檔案。
   最後再進行訓練與辨識率測試。（建議作法：請先產生上述四個檔案，再修改 goSyl13.bat 或是 goSyl13.m，將即時產生上述檔案之程式碼註解掉，然後執行程式，就可以產生使用上述四個新檔案的結果。）。

   請問使用 13, 26, 39 維的 MFCC，inside-test 和 outside-test 的辨識率各是多少？請將 Confusion Matrix 展示給助教看。我得到的結果是：

   • 以 goSyl13.bat 為基礎，新資料的結果是：inside test 86.38%, outside test 79.51%。
   • 以 goSyl26.bat 為基礎，新資料的結果是：inside test 92.07%, outside test 87.25%。
   • 以 goSyl39.bat 為基礎，新資料的結果是：inside test 95.17%, outside test 89.53%。
   請注意：
   • 特徵檔案的檔名不可使用中文，因為 HTK 不支援。
   • 每一個語音特徵檔案的檔名，必須是獨一無二的。因此你必須先將中文目錄轉成數字，再加上原來的檔名，就可以用於特徵檔案的檔名，例如「912508鄒銘軒\3a_7436_16017.wav ===> 00002-3a_7436_16017.fea」。
   • HTK 會分辨大小寫，所以檔名和相關檔案的紀錄必須一致。
   • 相關錄音資料會在課堂上由助教提供。（本次 ftp 位置是 ftp://AP2006:ap2006@140.114.88.80:3524。）
   提示：可以使用 recursiveFileList.m 來回傳一個目錄下所有的 wav 檔案。
2. (***) 中文數字辨識之二: 請重複上題，但嘗試各種方法，以求得 outside-test 及 inside-test 平均辨識率之最佳值。請將對應於最佳值的各種相關辨識參數（語音特徵維度、聲學模型、mixture個數、狀態個數...）記錄於 method.txt，並說明你用了什麼方法。請將 method.txt、你最後產生的 macro 檔案（請改名為 digit.mac）、以及跑辨識率所需的相關資料檔案，一併上傳給助教，讓助教來進行測試，並評比每一個人的辨識率。（本次 ftp 位置是 ftp://AP2006:ap2006@140.114.88.80:3524。）

---

Audio Signal Processing and Recognition (音訊處理與辨識)