hmm_file = '../03gmm_hmm/exp/model_3state_2mix/10.hmm'
# 訓練データのアライメントファイル
align_file = \
'./exp/data/train_small/alignment'
# 計算した事前確率ファイル
count_file = \
'./exp/model_dnn/state_counts'
#
# 処理ここから
#
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# 学習前のHMMを読み込む
hmm.load_hmm(hmm_file)
# HMMの総状態数を得る
num_states = hmm.num_phones * hmm.num_states
# 出力ディレクトリ
out_dir = os.path.dirname(count_file)
# 出力ディレクトリが存在しない場合は作成する
os.makedirs(out_dir, exist_ok=True)
# 状態毎の出現カウンタ
count = np.zeros(num_states, np.int64)
# 実際は全ての発話を用いるが，時間がかかるため
# このプログラムでは一部の発話のみを使っている
num_utters = 50
# 出力ディレクトリ
out_dir = os.path.dirname(base_hmm)
#
# 処理ここから
#
# 出力ディレクトリが存在しない場合は作成する
os.makedirs(out_dir, exist_ok=True)
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# 学習前のHMMを読み込む
hmm.load_hmm(base_hmm)
# ラベルファイルを開き，発話ID毎の
# ラベル情報を得る
label_list = {}
with open(label_file, mode='r') as f:
for line in f:
# 0列目は発話ID
utt = line.split()[0]
# 1列目以降はラベル
lab = line.split()[1:]
# 各要素は文字として読み込まれているので，
# 整数値に変換する
if insert_sil:
phones.insert(0, phone_list[0])
phones.append(phone_list[0])
# phone_listを使って音素を数値に変換
ph_int = []
for ph in phones:
if ph in phone_list:
ph_int.append(phone_list.index(ph))
else:
sys.stderr.write('invalid phone %s' % (ph))
# 単語,音素列,数値表記の辞書として
# lexiconに追加
lexicon.append({'word': word, 'pron': phones, 'int': ph_int})
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMを読み込む
hmm.load_hmm(hmm_file)
# 特徴量リストファイルを開き，
# 発話毎に音声認識を行う
with open(feat_scp, mode='r') as f:
for line in f:
# 0列目は発話ID
utt = line.split()[0]
# 1列目はファイルパス
ff = line.split()[1]
# 3列目は次元数
nd = int(line.split()[3])
# Trueの場合，文章の先頭と末尾に
# ポーズがあることを前提とする
insert_sil = True
# DNN学習時に出力した設定ファイル
config_file = os.path.join(\
os.path.dirname(dnn_file),
'config.json')
#
# 設定ここまで
#
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMを読み込む
hmm.load_hmm(hmm_file)
# 設定ファイルを読み込む
with open(config_file, mode='r') as f:
config = json.load(f)
# 読み込んだ設定を反映する
# 中間層のレイヤー数
num_layers = config['num_layers']
# 中間層の次元数
hidden_dim = config['hidden_dim']
# spliceフレーム数
splice = config['splice']
# Trueの場合，文章の先頭と末尾に
# ポーズがあることを前提とする
insert_sil = True
# DNN学習時に出力した設定ファイル
config_file = os.path.join(\
os.path.dirname(dnn_file),
'config.json')
#
# 設定ここまで
#
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMを読み込む
hmm.load_hmm(hmm_file)
# 設定ファイルを読み込む
with open(config_file, mode='r') as f:
config = json.load(f)
# 読み込んだ設定を反映する
# 中間層のレイヤー数
num_layers = config['num_layers']
# 中間層の次元数
hidden_dim = config['hidden_dim']
# spliceフレーム数
splice = config['splice']
os.makedirs(out_dir, exist_ok=True)
# 特徴量の平均/標準偏差ファイルを読み込む
with open(mean_std_file, mode='r') as f:
# 全行読み込み
lines = f.readlines()
# 1行目(0始まり)が平均値ベクトル(mean)，
# 3行目が標準偏差ベクトル(std)
mean_line = lines[1]
std_line = lines[3]
# スペース区切りのリストに変換
mean = mean_line.split()
std = std_line.split()
# numpy arrayに変換
mean = np.array(mean, dtype=np.float64)
std = np.array(std, dtype=np.float64)
# 標準偏差を分散に変換
var = std**2
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMプロトタイプを読み込む
hmm.load_hmm(hmmproto)
# フラットスタート初期化を実行
hmm.flat_init(mean, var)
# HMMのプロトタイプをjson形式で保存
hmm.save_hmm(os.path.join(out_dir, '0.hmm'))
# 出力フォルダ
out_dir = \
'./exp/model_%dstate_1mix' % (num_states)
#
# 処理ここから
#
# 出力ディレクトリが存在しない場合は作成する
os.makedirs(out_dir, exist_ok=True)
# 音素リストファイルを開き，phone_listに格納
phone_list = []
with open(phone_list_file, mode='r') as f:
for line in f:
# 音素リストファイルから音素を取得
phone = line.split()[0]
# 音素リストの末尾に加える
phone_list.append(phone)
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMのプロトタイプを作成する
hmm.make_proto(phone_list, num_states,
prob_loop, num_dims)
# HMMのプロトタイプをjson形式で保存
hmm.save_hmm(os.path.join(out_dir, 'hmmproto'))
# フレームサイズ [ミリ秒]
frame_size = 25
# フレームシフト [ミリ秒]
# 特徴量抽出時に指定した値と同じものを使用する
frame_shift = 10
# プロットを出力するファイル(pngファイル)
out_plot = './alignment.png'
#
# 処理ここから
#
# MonoPhoneHMMクラスを呼び出す
hmm = MonoPhoneHMM()
# HMMを読み込む
hmm.load_hmm(hmm_file)
# ラベルファイルを開き，発話ID毎のラベル情報を得る
label_list = {}
with open(label_file, mode='r') as f:
for line in f:
# 0列目は発話ID
utt = line.split()[0]
# 1列目以降はラベル
lab = line.split()[1:]
# 各要素は文字として読み込まれているので，
# 整数値に変換する
lab = np.int64(lab)