1
我編寫了一個shell腳本來訓練幾種GMM,用於某些種類的語音活動和靜音。因此我使用了LIUM揚聲器diarization工具包。我想用它來進行語音活動檢測。以下腳本通過使用Sphinx4從wav音頻文件中提取MFCC功能,在這些腳本上訓練GMM並應用維特比解碼進行分割。然而,結果非常差,即由此產生的分割是完全錯誤的。這肯定不是這種情況,因爲我將GMM應用於訓練集本身。我究竟做錯了什麼?我已經付出了很多努力,但仍然無法實現。提前感謝您的幫助!使用LIUM的語音活動檢測(VAD/SAR)
BTW:根據Sphinx4文檔,我重新檢查了我的wav文件的輸入格式,它是單聲道16bit LE。此外,我嘗試了許多不同的參數設置,尤其是參數如emCtrl(GMM的訓練)和dPenalty(用於分割的維特比解碼)。沒有什麼幫助我。
這裏是我的shell腳本:
# !/bin/bash
wav=$1
base=`basename $wav .wav`
show=$base
fDescIn="audio16kHz2sphinx,1:1:0:0:0:0,13,0:0:0"
fDescOut="sphinx,1:1:0:0:0:0,13,0:0:0"
features="./%s.mfcc"
seg="./%s.seg"
gmmInit="./%s.init.gmms" # output GMM, %s is replaced by $show
gmm="./%s.gmms"
# Extract MFCC features
java -Xmx2048m -classpath lium.jar \
fr.lium.spkDiarization.tools.Wave2FeatureSet \
--fInputMask=$wav --sInputMask="" --fInputDesc=$fDescIn \
--fOutputMask=$base.mfcc --fOutputDesc=fDescOut $show
# Initialize the GMM
java -Xmx1024m -cp lium.jar \
fr.lium.spkDiarization.programs.MTrainInit \
--sInputMask=$show".seg" --fInputMask=$base.mfcc
--fInputDesc=$fDescOut --kind=DIAG --nbComp=16 \
--emInitMethod=split_all --emCtrl=1,5,0.05 --tOutputMask=$gmmInit $show
# Train GMMs via EM
java -Xmx1024m -cp lium.jar \
fr.lium.spkDiarization.programs.MTrainEM \
--sInputMask=$show".seg" --fInputMask=$base.mfcc --emCtrl=10,20,0.01 \
--fInputDesc=$fDescOut --tInputMask=$gmmInit --tOutputMask=$gmm $show
# Segmentation
iseg=./$datadir/$show.i.seg
pmsseg=./$datadir/$show.pms.seg
java -Xmx2048m -cp lium.jar \
fr.lium.spkDiarization.programs.MDecode \
--fInputDesc=$fDescOut --fInputMask=$base.mfcc --sInputMask=$show.out2.seg \
--sOutputMask=$show.result.seg --dPenality=1,1,1,1 --tInputMask=$gmm $show