SPHINK otomatik konuşma kayıt sistemi sayfasının kaynağını görüntüle

==Taktim==

Bu kılavuzda, son model, HMM tabanlı konuşma kayıt sistemini kullanımı üzerinde durulacak. Kullanacağım sistem SPHINX sistemdir ve Carnegie Mellon Universitesi tarafından tasarlanmıştır. SPHINX, bugün dünyada kullanılan en iyi ve en yetenekli bir kayıt sistemidir.

Bir HMM tabanlı sistem, diğer bütün konuşma kayıt sistemleri gibi ses birimlerinin karakterlerini öğreterek konuşulan kelimeleri hafızasında tutan ve onları en düzgün bir şekilde kullanan sistemdir. Ses birimleri ile ilgili olan öğrenme işlemi '''öğretme''' olarak adlandırılır. Birimlerin en uygun sıralamasına karar veren öğrenme yetisi işlemine '''kaydetme''' veya basitçe '''kayıt''' diyoruz. 

Bu yüzden, alıştırma ve kayıt için kullanacağın SPHINX sisteminin bu bileşenlerine ihtiyacın olacak. Ayrıca, SPHINX '''öğretici''' ve SPHINX '''kaydedici''' kelimelerini de yer yer bu kılavuzda kullanacağım.

Tam bir konuşma kayıt sistemi kurmak için gerekli bileşenleri nasıl indireceğine, tanımlayacağına ve çalıştıracağına dair yönergeler size öğretilecek. Örneklendirmek gerekirse SphinxTrain ve SPHINX-3'ü nasıl kullanacağına dair yönergeler verilecek. Eğer kaydediciler ve kendi uygulamaları hakkında daha fazla bilgiye ihtiyaç duyarsan bir CMUSphinx proje sayfasını kontrol ediniz. Bu kılavuz sana bir dil modeli nasıl oluşturacağını öğretmez. Fakat mükemmel bir rehber  [http://www.speech.cs.cmu.edu/SLM_info.html CMU SLM Toolkit] kontrol edebilirsin.

Bu kılavuzun sonunda bir öğretici pozisyonunda olacaksın ve bu sistemi kendi kayıt görevlerin için kullanabileceksin. Bu sistemi öğrenmekden daha önemli olan, gerçek bir HMM tabanlı ASR sisteminini kullanarak birkaç önemli konu hakkında bilgi sahibi olmaktır. 

===Öğretim için gerekli bileşenler===

SPHINX öğreticisi, hem iyi tanımlanmış görevler için sorumlulukları hem de hangi programların çağrıldığını belirleyen betik ayarları içerir. Kodu kendi kullandığın platformda tanımlamalısın.

Öğretici, örnek konuşma sinyallerinin bir ayarını kullanarak, ses birim modellerinin parametrelerini öğrenir. Bu, '''öğrenim veritabanı''' olarak adlandırılır.  Öğrenim veritabanının bir seçeneği sana verilecek. Öğreticiye hangi ses birimini öğretmek istiyorsan, bunu ona söylemelisin. En azından öğrenim veritabanındaki her konuşma sinyalinde meydana gelen sıralamayı. Bu bilgi '''betik çeviri dosyası''' olarak adlandırılan bir dosya tarafından sağlanır. Kelimelerin sıralamaları ve konuşulmayan sesler, konuşma sinyalinde meydana gelmiş gibi yazılır ve bir etiket tarafından takip edilir ve konuşma sinyallerinin yerini tutan sıralama ile ilişkilendirilir. Öğretici daha sonra ses birimlerinin sıralamasında kelime haritasındaki bir '''ifade'''ye ses birimlerinin sıralamasını herbir sinyalle olan uyumluluğunu sağlamak için bakar. Bu konuşma sinyallerine ek olarak, veritabanı (tek bir dosya) ve iki sözlük için çeviri betiklerinin ayrı bir seti size verilecek. Bu iki sözlükten biri ses birimleri sırasıyla dizilmiş olan mantıklı (uygun) kelimeler, diğeri ise konuşulmayan kelime veya konuşulmuş gibi görülen kelimelerdir. Ben ilkine '''dil ifadesi''' ve sonrakini '''doldurma ifade''' deyeceğim.

Özetle, öğretim için verilen bileşenler:
 
1. Öğretici kaynak kodu
2. Akustik sinyaller
3. İlişkilendirilen çeviri betik dosyası
4. Bir dil ifadesi
5. Doldurma ifade

===Kayıt için verilecek bileşenler===

Kaydedici, verilen doğru girişleri ve kayıt görevlerini yürütecek, derlenmiş bir program ayarı içerir. Verilmesi gereken değerler şunlardır: 
öğretilmiş akustik modeller, bir model içerik dosyası, dil modeli, dil ifadesi, doldurma ifade ve tanımlanması gereken akustik sinyal ayarı. Tanımlanan veri genelde '''test verisi'''ni ifade eder.

Özetle, kayıt için verilen bileşenler:

1. Kaydedici kaynak kodu
2. Dil ifadesi
3. Doldurma ifadesi
4. Dil modeli
5. Test verisi

Bu bileşenlere ek olarak, teşhis için öğretilen akustik modeller gerekir. Bunları kaydediciye bildirmelisin. Akustik model öğretirken, öğretici rastgele adlandırılan model içerik dosyası oluşturacak. Model içerik dosyası, öğretici tarafından kullanılan, her HMM'nin herbir durumu için sayısal kimlikler içeren basit bir dosyadır. Kaydedici bu HMM durumları için doğru parametre ayarlarına burdan erişir. Herhangi bir akustik model ayarı ile verilen ilgili model içerik dosyası kayıt için kullanılmalıdır. Model içerik dosyasının yapısı hakkında daha fazla bilgi öğrenmek istiyorsan [http://www.speech.cs.cmu.edu/sphinxman/scriptman1.html#20 CI model açıklama dosyası oluşturma] bağlantısına bakabilirsin.     

==Sistemi ayarlama==

Tüm sistemini kurmak için birkaç bileşen indirip, kurman gerekir. İndireceğin tüm gerekli yazılımlar; veri paketi, öğretici ve bir SPHINX kaydedicisidir.

===Başlamadan önce gerekli olan yazılım===

Betikleri çalıştırmak için Perl ve kaynak kodu tanımlamak için bir C derleyici gerekir.

====Perl====

Betik tanımlamak için Perl gereklidir. Linux genellikle bazı Perl sürümleri ile gelir. Perl'in yüklü olup olmadığını yüklü ise hangi sürümünün yüklü olduğunu öğrenmek için şu komutu uçbirime yaz: 

{{kod||<nowiki>perl -v </nowiki>}} <br>

Eğer yüklü Perl yoksa [http://www.perl.org/ perl.org]'bedava indirebilirsin. 

Windows için en bilinen sürüm [http://www.activestate.com/Products/ActivePerl/ ActivePerl]'de bulunur. Eğer Windows kullanıyor ve ''cygwin'' yüklü olsa bile ''ActivePerl'', satır karakterlerinin son düzenlemesinde daha iyi ve cygwin'den daha hızlıdır. Ek olarak, dağıtımlarda olmayan bir paketi {{kırmızı|ppm}}  komutu kullanarak indirebilirsin.
Örneğin, {{kırmızı|File::Copy}}  modülü indirmek için tüm yapman gereken:

{{Kod||perl ppm install File::Copy}}  <br>

====C Derleyici====

SphinxTrain ve TRAINX-3, sistemin hakkında temel bilgi bulmak için GNU autoconf'u kullanır. Bunlar çoğu Unix ve Unix benzeri sistemlerde derlenebilir. Linux'de ise tamamen derlenir. Kod, GNU'nun C derleyicisi ({{kırmızı|gcc}})  kullanarak derlenir. Bunların hepsi Linux dağıtımlarında ve çoğu platformlar için özgürce kullanılabilir. 

Ayrıca Microsoft Visual C++ kullanılarak derlenen dosyaların da tekrar derlenmesine imkan veriyoruz. Örn; Doğal Windows formatları olan solution ({{kırmızı|.sln}})  ve project ({{kırmızı|.vcproj}})  dosyalarını derlemek için doğal Windows biçimi gereklidir.

====Kelime Doğrultma====

Kaydedicinin doğruluğunu ölçmek istiyorsan bir doğrultucu programa ihtiyacın olacak. Yaygın olarak kullanılan biri Ulusal Standart ve Teknoloji Enstitüsü (NIST)ndeki {{kırmızı|sclite}}'dir. Bu, onların kayıt paketlerin bir bölümünü içerir. Kayıt paketlerini [http://www.nist.gov/speech/tools/ NIST araçları] sayfasında bulabilirsin. Yazılım buralardaki konuşma grubunda bulunabilir: {{kırmızı|~robust/archive/third_party_packages/NIST_scoring_tools/sctk/linux/bin/sclite}}.

Bize gelince, CMU'da, NIST program ile aynı işi gören {{kırmızı|align}} program kullanmak isteyebilirsin. Fakat özelliklerden bazıları kısıtlıdır. Robust ev dizininde onu bulabilirsin: {{kırmızı|~robust/archive/third_party_packages/align/linux/align}}.

===Veriyi Ayarlama===

Sphinx Grup, bu uygulama ile kullanılabilecek iki ses veritabanının kullanımını sağlar. Her biri kendi özelliklerine sahiptir ve sadece uygun olarak sağlanır. Sağlanan veri yüksek performanslı kayıt verisi oluşturma için yeterli değildir. Onlar sadece sistemi nasıl kullanacağına dair ön bilgi verir.

Veritabanları, [http://www.speech.cs.cmu.edu/databases veritabanları] sayfasında sağlanır. Ya [http://www.speech.cs.cmu.edu/databases/an4  AN4] ya da [http://www.speech.cs.cmu.edu/databases/rm1 RM1]'i seç. AN4 sesi içerir, fakat çok küçük veritabanıdır. Onu, eğer deneylerinde örnek dosyalar oluşturma istiyorsan seçebilirsin. RM1, biraz daha büyüktür ve bir sistemde biraz daha performan sağlar. Eğer ses lisanslı ise sağlanmaz. Benim kullandığım örnek dosyalar doğrudan öğretici ve kaydediciler tarafından sağlanır. RM1 hakkında daha fazla bilgi için [http://www.ldc.upenn.edu/Catalog/LDC93S3B.html LDC]'ye bakınız.

Gerekli adımlar:
 
*1. Bir dizin oluştur ve bu dizini oraya taşı:

{{kod||<nowiki>mkdir deneme<br>
cd deneme </nowiki>}} <br>

*2. Ya [http://www.speech.cs.cmu.edu/databases/an4/an4_sphere.tar.gz AN4] ya da [http://www.speech.cs.cmu.edu/databases/rm1/rm1_cepstra.tar.gz RM1]'e tıklayarak ses tarballarını indir. İletişim kutusu açıldığında "Kaydet"i seç. Bunu az önce oluşturduğun {{kırmızı|deneme}} dizinine kaydet. Bunlar '''tarball''' terimi ile tanıdık değildir. Bu, bizim içerik dosyamız olan {{kırmızı|.tar.gz}}'dir. İçeriklerin açılması söyle yapılır.

'''Not''': Tarball terimi sıkıştırılmış klasör anlamına gelir ve Linux tarafından kullanılır.
 
**Windows'da Windows Explorer kullanarak {{kırmızı|deneme}} dizinine git, ses tarbalına sağ tıkla ve WinZip menüsünde "Buraya aç"ı seç.
**Linux/Unix'de:
***Eğer AN4 kullanıyorsan
{{kod||<nowiki>gunzip -c an4_sphere.tar.gz | tar xf - </nowiki>}} <br>
***Eğer RM1 kullanıyorsan
{{kod||gunzip -c rm1_cepstra.tar.gz | tar xf -}}  <br>

Bunu bitirdiğinde, aşağıdaki içeriklere sahip bir {{kırmızı|deneme}} dizini oluşacak.

{{dosya|deneme|
    * an4
    * an4_sphere.tar.gz}}


veya

    {{dosya|deneme|
    * rm1
    * rm1_cepstra.tar.gz}}

===Öğreticiyi ayarlama===

====Kod çağırma====

SphinxTrain,  ''subversion'' (svn) kullanarak veya bir ''tarball'' indirerek çağrabilir. svn depoya eklenen yeni değişimler gibi kodu güncellemek için onu kolayca yapar. Fakat svn'yi yüklemen gerekir. Tarballın kullanımı daha kolay olduğu için bunu tavsiye ederim.

1.) Yine de svn'yi yüklemek istiyorsan uçbirime şu komutu girin:

{{kod||<nowiki>sudo apt-get install subversion </nowiki>}} <br>

svn hakkında daha fazla bilgi [http://subversion.tigris.org/ SVN Home]'da bulunabilir.

svn'yi kullanma için şunu girip bir müddet bekleyin:

{{kod||<nowiki>svn co https://cmusphinx.svn.sourceforge.net:/svnroot/cmusphinx/trunk/SphinxTrain </nowiki>}} <br>

2.) Tarball'ı kullanma, [http://cmusphinx.org/download/nightly/SphinxTrain.nightly.tar.gz SphinxTrain tarball]'a tıklayarak indir ve iletişim kutusu açıldığında "Kaydet"i seç. Onu aynı {{kırmızı|deneme}} dizinine kaydet. İçeriği aşağıdaki gibi aç.

*A.) Windows'da, Windows Explorer kullanarak {{kırmızı|deneme}} klasörüne git, {{kırmızı|SphinxTrain tarball}}'a sağ tıkla ve WinZip menüsünde "Buraya aç"ı seç.

*B.) Linux/Unix'de:

{{kod||<nowiki>gunzip -c SphinxTrain.nightly.tar.gz | tar xf - </nowiki>}} <br>

İndirme seçeneği hakkında daha fazla bilgi [http://ttp://cmusphinx.org/ cmusphinx.org] sayfasının altındaki Download instructions başlığında bulunur.

Bunu bitirdiğinde, aşağıdaki içeriğe sahip bir {{kırmızı|deneme}} dizinin olacak

    {{dosya|deneme|
    * an4
    * an4_sphere.tar.gz
    * SphinxTrain
    * SphinxTrain.nightly.tar.gz}}

veya

 {{dosya|deneme|
   * rm1
    * rm1_cepstra.tar.gz
    * SphinxTrain
    * SphinxTrain.nightly.tar.gz}}

====Derleme====

Linux/Unix'de:

{{kod||<nowiki>cd SphinxTrain
configure
make </nowiki>}} <br>

Uçbirimde bu işlemlerin yapılması biraz zaman alacaktır. Bu işlem sonunda uçbirimde şu gözükecektir:

{{kod||<nowiki>kullanıcıadı@kullanıcıadı:~/deneme/SphinxTrain$ </nowiki>}} <br>

Windows'da:

1. {{kırmızı|deneme/SphinxTrain/SphinxTrain.sln}} dosyasına çift tıkla. Bu, eğer yüklüyse MS Visual C++'ı açacak. Eğer değilse [http://www.microsoft.com/  Microsoft]'a sor.
2. "Build" menüsünde "Batch Build"i seç ve bütün nesneleri işaretle. "Rebuild All"a tıkla. Bu gerekli bütün çalıştırılabilirleri öğretici tarafından kuracak.

====Denemeyi Kurma====

Kodu derledikten sonra, bütün ilgili çalıştırılabilirleri ve betikleri bir veri gibi aynı alana kopyalayarak kurmalısın. Mevcut çalışan dizini {{kırmızı|deneme}} olarak varsayalım. Şunu yapman gerekir.

{{kod||<nowiki>cd SphinxTrain </nowiki>}} <br>

*Eğer AN4 yüklediysen
{{kod||<nowiki>perl scripts_pl/setup_tutorial.pl an4 </nowiki>}} <br>
*Eğer RM1 yüklediysen
{{kod||<nowiki>perl scripts_pl/setup_tutorial.pl rm1 </nowiki>}} <br>

===Kaydediciyi ayarlama===

Sphinx Grup uygulaman için en iyisini seçmene yardım edecek özellikleri olan birkaç farklı kaydediciye sahiptir. 

*'''PocketSphinx''': Bu, Sphinx-2'nin modernleştirilmiş sürümüdür. Özellikle gömülü ve taşınabilir sistemler için yapılandırılmıştır. SPHINX-2'den ortalama  %20 daha az Hafıza ve %5-20 daha az İşlemci harcar. Bunula birlikte aktif gelişimin altındadır. Böylece arayüz ve özellik ayarı kararsızdır.
*'''SPHINX-3''': Devamlı HMM'ler kullanır. Hem canlı hem de yığın kayıt yapabilir. Varsayılan olarak geliştirilmiş en etkin kaydedicidir.
*'''SPHINX-4''': Devamlı HMM'ler kullanır. Java programlama dili ile yazılmıştır. Yüksek esneklik ve üstün doğruluk ve küçük görevlerde yüksek hıza sahiptir.

Uygulaman için uygun olan kaydediciyi seçebilirsin. Ben bu kılavuzda temel kaydedici olarak SPHINX-3'ü kullanacağım. İlk önce hatalardan korumak için modelini SPHINX-3 ile test etmen iyi bir düşüncedir. 

====SPHINX-3 Yükleme====

'''Kod çağırma'''

SPHINX-3, ''subversion'' (svn) kullanarak veya bir ''tarball'' indirerek düzeltebilir. svn depoya eklenen yeni değişimler gibi kodu güncellemek için onu kolayca yapar. Fakat svn'yi yüklemen gerekir. Tarballın kullanımı daha kolaydır. 

Yine de svn'yi kullanmak istiyorsan uçbirime şunları yaz ve biraz bekle:

{{kod||<nowiki>svn co https://cmusphinx.svn.sourceforge.net:/svnroot/cmusphinx/trunk/sphinxbase 
svn co https://cmusphinx.svn.sourceforge.net:/svnroot/cmusphinx/trunk/sphinx3 </nowiki>}} <br>

Eğer Tarball'ı kullanmak istiyorsan, [http://cmusphinx.org/download/nightly/sphinx3.nightly.tar.gz sphinx3 tarball] ve [http://cmusphinx.org/download/nightly/sphinxbase.nightly.tar.gz sphinxbase]'ye tıklayarak indir ve iletişim kutusu açıldığında "Kaydet"i seç. Onları aynı {{kırmızı|deneme}} dizinine kopyala. İçerikleri şöyle aç.

*A.) Windows'da, Windows Explorer kullanarak, {{kırmızı|deneme}} klasörüne git sphinxbase ve sphinx3 tarballs'lara sağ tıkla WinZip menüsünde "Buraya aç"ı seç.

*B.) Linux/Unix'de:

{{kod||<nowiki>gunzip -c sphinxbase.nightly.tar.gz | tar xf -<br>
gunzip -c sphinx3.nightly.tar.gz | tar xf -
 </nowiki>}} <br>

Bunu bitirdiğinde, {{kırmızı|deneme}} dizinini içeriği şöyle olacaktır:

 {{dosya|deneme|
   * an4
    * an4_sphere.tar.gz
    * SphinxTrain
    * SphinxTrain.nightly.tar.gz
    * sphinx3
    * sphinx3.nightly.tar.gz
    * sphinxbase
    * sphinxbase.nightly.tar.gz}}

veya

   {{dosya|deneme|
    * rm1
    * rm1_cepstra.tar.gz
    * SphinxTrain
    * SphinxTrain.nightly.tar.gz
    * sphinx3
    * sphinx3.nightly.tar.gz
    * sphinxbase
    * sphinxbase.nightly.tar.gz}}

'''Derleme'''

*A.) Linux/Unix'de:

{{uçbirim|
  <nowiki>#sphinxbase'i derleme
  cd sphinxbase
 # Eğer svn kullandıysan, autogen.sh çalıştırman gerekir, Burada
 # açıklandığı gibi. Eğer tarball yüklediysen, onu çalıştırman gerekmez.
 #
 # ./autogen.sh
 ./configure
 make

 #SPHINX-3 derleme
 cd sphinx3 
 # Eğer svn kullandıysan, autogen.sh çalıştırman gerekir. Burada 
 # açıklandığı gibi. Eğer tarball yüklediysen, onu çalıştırman gerekmez. 
 # 
 # ./autogen.sh
 configure --prefix=`pwd`/build --with-sphinxbase=`pwd`/..  /sphinxbase 
 make 
 make install</nowiki>}}

*B.) Windows'da, eğer SphinxBase'yi yayımlama sisteminden indirdiysen, onu 'sphinxbase-0.1' olarak yeniden adlandır ve sonra:

1. {{kırmızı|deneme/sphinxbase/sphinxbase.sln}} dosyasına çift tıkla. Bu, eğer yüklüyse MS Visual C++'ı açacak. Eğer değilse [http://www.microsoft.com/ Microsoft]'a sor.
2. "Build" menüsünde {{kırmızı|Batch Build}}'i ardından tüm nesneleri seç. {{kırmızı|Rebuild All}}'a tıkla. Bu SphinxBase paketindeki bütün kitaplıkları kuracak.
3. {{kırmızı|tutorial/sphinx3/programs.sln}} dosyasına çift tıkla. Bu eğer yüklüyse MS Visual C++'yi açacak. Eğer değilse [url=http://www.microsoft.com/] Microsoft[/url]'a sor.
4. {{kırmızı|Build}} menüsünde {{kırmızı|Batch Build}}'i seç. {{kırmızı|Rebuild All}}'a tıkla. Bu, SPHINX-3 paketindeki bütün çalıştırılabilir olanları kuracak.

'''Denemeyi Kurma'''

Kodu derledikten sonra, bütün ilgili çalıştırılabilirleri ve betikleri bir veri gibi aynı alana kopyalayarak kurmalısın. Mevcut çalışan dizini {{kırmızı|deneme}} olarak varsayalım. Şunu yapman gerekir.

{{kod||<nowiki>cd sphinx3 </nowiki>}} <br>
*Eğer AN4 yüklediysen
{{kod||<nowiki>perl scripts/setup_tutorial.pl an4 </nowiki>}} <br>
*Eğer RM1 yüklediysen
{{kod||<nowiki>perl scripts/setup_tutorial.pl rm1 </nowiki>}} <br>

==Başlangıç öğretim çalıştırma nasıl kurulur==

Veriyi yüklediğin dizine git. Eğer Linux'de yukardaki yönergeleri takip ettiysen bunu yapmak şu kadar kolaydır:

*Eğer AN4 kullanıyorsan
{{kod||<nowiki>cd ../an4 </nowiki>}} <br>
*Eğer RM1 kullanıyorsan
{{kod||<nowiki>cd ../rm1 </nowiki>}} <br>

ve Windows'da:

*Eğer AN4 kullanıyorsan
{{kod||<nowiki>cd ..\an4 </nowiki>}} <br>
*Eğer RM1 kullanıyorsan
{{kod||<nowiki>cd ..\rm1[/code] </nowiki>}} <br>

PocketSphinx için modelleri öğretinceye kadar betikler "kutunun haricinde" çalışır. Bu sebeple, {{kırmızı|etc/sphinx_train.cfg}} dosyasını düzenlemen gerekir. Satır tanımlama değişkeni {{kırmızı|$CFG_HMM_TYPE}} değiştirmeksizin. Böylece kutu aşağıdaki gibi olacak.

{{dosya|etc/sphinx_train.cfg|
<nowiki> #$CFG_HMM_TYPE = '.cont.'; # Sphinx III <br>
$CFG_HMM_TYPE  = '.semi.'; # Sphinx II</nowiki>}}

'''Not''': Eğer uçbirimden dosyayı açamadıysan dosyaya elle ulaşmak için; {{kırmızı|/Ev/kullanıcı_adın/deneme/rm1}} (veya an4){{kırmızı|/etc/sphinx_train.cfg}} yolunu kullan ve dosyayı aç. Ardından yukardaki satırları arattır.

Linux makinelerde, çoklu işlemcinin avantajlarından faydalanmak için betikleri kurabilirsin. Bunu yapmak için, {{kırmızı|/etc/sphinx_train.cfg}}'yi düzenle. {{kırmızı|$CFG_NPART}} değişkeninin olduğu satırı sistemdeki işlemcinin sayısıyla eşleştir ve {{kırmızı|$CFG_QUEUE_TYPE}} ile tanımlanan satırı aşağıdaki gibi düzenle:

{{dosya|/etc/sphinx_train.cfg|
<nowiki> # Queue::POSIX yerel bir makinedeki çoklu İşlemciler için 
 # Queue::PBS bir PBS/TORQUE dizisi kullanma için
 $CFG_QUEUE_TYPE = "Queue::POSIX";</nowiki>}}

Eğer [http://www.clusterresources.com/pages/products/torque-resource-manager.php TORQUE] veya [http://www.openpbs.org/ PBS] toplu sistemleri çalıştıran bilgisayar ağına sahipsen, ağdaki çalışan öğretim işlerini yukarıda {{kırmızı|$CFG_NPART}} ile açıklandığı şekilde programlayabilir ve aşağıdaki gibi {{kırmızı|$CFG_QUEUE_TYPE}}'yi düzenleyebilirsin:

{{dosya|/etc/sphinx_train.cfg|
<nowiki> # Queue::POSIX yerel bir makinedeki çoklu İşlemciler için <br>
 # Queue::PBS bir PBS/TORQUE dizisi kullanma için <br>
 $CFG_QUEUE_TYPE = "Queue::PBS";</nowiki>}}

Sistem doğrudan akustik sinyallerle çalışmaz. Sinyaller ilk önce mevcut akustik sinyallerin yerinde kullanılan örnek vektör sırasına dönüştürülür. Bu dönüşümü veya parametreleştirmeyi {{kırmızı|an4 }} dizininden yapmak için uçbirime şunları yaz. Eğer Linux yerine windows kullanıyorsan {{kırmızı|/}}   karakterini {{kırmızı|\}} ile değiştir. Eğer zaten cepstra biçimli dosyalar yerine {{kırmızı|rm1}}  indirdiysen, bunu yapman gerekmez. Bu adımı da yapma:
  
{{kod||<nowiki>perl scripts_pl/make_feats.pl  -ctl etc/an4_train.fileids </nowiki>}} <br>

Bu betik, her öğretim telaffuzunu 13 boyutlu vektör sıralama olarak hesaplar. Dalga dosyalarının listesi ses dosyalarının tam yolunu içerdiğine dikkat et. Veriler çalıştığın dizinle aynı yere yerleştirildi. Yollar gerçektir, göreceli değildir. Bunu, eğer veri dosyasının yeri farklıysa {{kırmızı|an4_test.fileids}} dosyası gibi değiştirmelisin. Bu işlem hızlı bir makinede yaklaşık olarak 10 dakika sürer. Fakat zaman değişkendir. Bir yandan çalışırken bir taraftan da okumaya devam edebilirsin. MFCC'ler {{kırmızı|./feat}} dizinine otomatik olarak yerleşecektir. Öğrenim ve tanılama için konuşma sinyalinde hesaplanan örnek vektörlerin türüne dikkat et. Bu kılavuzun haricinde MFCC'lere sınırlanmamıştır. MFCC haricindeki örnekleri de hesaplayabilirsin. SPHINX-3 ve SPHINX-4 herhangi tür boyutlu örnekleri kullanabilir. Bunula beraber bu programda iki sebepten dolayı MFCC'yi kullanacaksın: '''a)''' Bunlar HMM tabanlı sistemler altında en akustik şartları sağlayan, en iyi tanılama performansı verir. '''b)''' Bu uygulama konuşma parametresinin sinyal işlemeyi kaplamaya yönelik değildir ve sadece standart kullanım platformu için yardım sunar. Şimdi sistemi öğrenmeye başlayabilirsin.

Betik dizininde, ({{kırmızı|./scripts_pl}}  {{kırmızı|00*}}'dan {{kırmızı|99*}}'a kadar sıralanmış birkaç dizin vardır. Her dizin ya {{kırmızı|slave*.pl}} adında ya da {{kırmızı|.pl}} içeren basit bir dosyaya sahiptir. Sıralama dizinlere doğru devam eder ve aşağıdaki gibi ya {{kırmızı|slave*.pl}}'ya da sadece {{kırmızı|.pl}} dosyasını çalıştır. Her zaman dediğimiz gibi eğer Linux yerine Windows kullanıyorsan {{kırmızı|/}}  <br>karakterini {{kırmızı|\}} ile değiştirmelisin. 

{{kod||<nowiki>perl scripts_pl/00.verify/verify_all.pl <br>
perl scripts_pl/10.vector_quantize/slave.VQ.pl <br>
perl scripts_pl/20.ci_hmm/slave_convg.pl <br>
perl scripts_pl/30.cd_hmm_untied/slave_convg.pl <br>
perl scripts_pl/40.buildtrees/slave.treebuilder.pl <br>
perl scripts_pl/45.prunetree/slave-state-tying.pl <br>
perl scripts_pl/50.cd_hmm_tied/slave_convg.pl <br>
perl scripts_pl/90.deleted_interpolation/deleted_interpolation.pl <br>
perl scripts_pl/99.make_s2_models/make_s2_models.pl </nowiki>}} <br>

Bütün bunları çalıştırmak zor gelirse, basitçe {{kırmızı|RunAll.pl}} betiğini şu şekilde çalıştırabilirsin:

{{kod||<nowiki>perl scripts_pl/RunAll.pl </nowiki>}} <br>

Buradan, basitçe her dizindeki {{kırmızı|slave*.pl}}'yi çalıştırmalısın. Dosya bulunmayan dizinlerde, sadece {{kırmızı|.pl}} dosyası olduğuna bil.

Betikler makinedeki işleri başlatacak ve herbir iş çalışması için birkaç dakika sürecek. Herhangi bir betik çalıştırmadan önce, dizinin, senin mevcut dizin (bizdeki {{kırmızı|deneme}}) olduğunu kontrol et. Her bir {{kırmızı|slave*.pl}}'yi çalıştırdıktan sonra içerikleri tekrar kontrol et. Birkaç yeni dizin oluşturuldu. Bu dizinler öğrenim veya deneme aşamasında oluşturulan dosyaları barındırır. Bu noktada bu dizinlerin içeriklerine hakim olmalısın. Çünkü bazı dizin adları kendilerini açıklayabilir ve eğer merak edersen onları keşfedebilirsin.

Mevcut dizininde ({{kırmızı|deneme}}) oluşan dosyalardan biri {{kırmızı|.html}} dosyasıdır. Bu, kullandığın veritabanına bağlı olarak {{kırmızı|an4.html}} veya {{kırmızı|rml.html}}  şeklinde adlandırılır. Bu dosya yapılan işlerin bir durum raporunu içerir. Başlattığın işin başarıyla tamamlandığını doğrular. Daha sonra sadece sonraki {{kırmızı|slave*.pl}}'yi sırayla başlat. Bu işlemi bütün dizinlerde {{kırmızı|slave*.pl}} çalışıncaya kadar takrarla.

{{kırmızı|00*}}'dan {{kırmızı|99*}}'a kadar devam eden betik işlemlerinde, herbiri tanılama için kullanılmış birkaç akustik model ayarı oluşturduğuna dikkat et. Bu adımlardan bazılarının sadece yarı devam model oluşturma için gerektiğine de dikkat et. Dizinindeki {{kırmızı|20.ci_hmm}}'de tamamlamak için çalıştırılan ilk iş, İçerik Bağımsızlığı (CI) modellerini dilindeki ön kelime birimleri için öğrenmen içindir. {{kırmızı|30.cd_hmm_untied}} dizinindeki işler tamamlamak için çalışdığında İçerik Bağımlılık modellerini öğreneceksin. Bunlar CD-çözüm modelleri olarak adlandırılır. Bunlar durumları sırayla birbirine bağlayan hücreler oluşturmak içindir. {{kırmızı|40.buildtrees}}'deki işler her alt kelime biriminin durum ağacını kurar. {{kırmızı|45.prunetree}}, ağaçları kırpar ve durumları bağlar. Takibindeki {{kırmızı|50.cd-hmm_tied}}'de, öğrenim kitağlığındaki çoklu telefonlar için son modelleri eğitir. Bunlara CD-eğitimli modeller diyoruz. Herhangi durum sonunda modelleri teşhis etmek için kullanabilirsin...

Şimdi öğrenimini tamamladın. Son model ve konumu, veritabanına ve kullandığın model türüne bağlı olacak. Eğer model öğrenmeye devam etmek için RM1 kullanıyorsan son 8 Gauss/durum, 3 durum, bağlı CD akustik modeller (HMM'ler) ile 1000 bağlı durum {{kırmızı|./model_parameters/rm1.cd_cont_1000_8/}}   dizininde bulacaksın. Ve ayrıca {{kırmızı|./model_architecture/}} içinde {{kırmızı|rm1.1000.mdef}}  dosyasında bir model içeriği bulacaksın. Bu dosya önceki sistem tarafından kullanılan ses modelleriyle alakalıdır. Öğrenim işlemi bu belgede genişçe açıklandı. Bununla beraber eğer AN4 ile yarı devamlı modeller öğrendiysen, son model {{kırmızı|./model_parameters}}'da {{kırmızı|/an4.1000.s2models}}'de bulunacaktır. Bütün dosyaları bulmak için pecketsphinx ile kod çözmelisin.

Öğrenim esnasında birkaç kritik olmayan hata şunun gibi oluşabilir:

{{uçbirim| <nowiki>This step had 6 ERROR messages and 2 WARNING messages. Please check the log file for details.</nowiki>}}

Onlara aldırma, Bu, veritabanında birkaç hata olması bile iyi bir sonuçtur. Hataların ana kaynağı an4'deki gibi verinin küçük miktarıdır ve kayıtların kötü kalitesidir. Bunun sebebi, kayıttaki "final state not reached" (Son duruma ulaşılamadı) veya "mgau less then zero" hatalarıdır. Eğer çok fazla hata oluşursa, bu demektir ki öğrenim kurulum aşamasını gözden geçirmek gerekir.

==Başlangıç kod çözücü nasıl çalıştırılır==

Kod çözmeyi çalıştırmak nispeten basittir. İlk önce, test setindeki bütün örnekleri MFCC hesaplar. Eğer  indirdiysen, dosyalar zaten cepstra biçimindedir. Bu yüzden bu adımı uygulaman gerekmez. Eğer indirmediysen dalga dosyasından MFCC'leri hesaplamak için, en üstte {{kırmızı|an4}} adındaki dizine, uçbirime şunları yazarak eriş:

{{kod||<nowiki>perl scripts_pl/make_feats.pl  -ctl etc/an4_test.fileids </nowiki>}} <br>

Bunun çalışması için yaklaşık olarak 10 dakika gerekecek.

Şimdi kod çözmeye hazırsın. Uçbirime aşağıdaki komutu yaz:

{{kod||<nowiki>perl scripts_pl/decode/slave.pl </nowiki>}} <br>

Bu sağlanan bütün bileşenleri akustik modeller ve başlangıç öğreniminde çalıştırarak oluşturduğun model içerik dosyaları da dahil olmak üzere kod çözme için kullanır. Tanımlama işi tamamlandığında, betik, Kelime Hata Oranı ('''WER''') veya Cümle Hata Oranı ('''SER''')i tanımlar. SER'i hesaplayan fonksiyonun çok basit şekilde kurulduğuna dikkat et. * tabi ki CMU makine kullanmıyorsan. Eğer WER'İ hesaplamak istiyorsan, bunu yapmak için kod indirip tanımlamalısın. En bilinenlerden biri standart araştırma topluluğu, NIST'de bulunur.

Eğer program doğrulamıyorsa, {{kırmızı|etc/sphinx_decode.cfg}} dosyasındaki şu satırı şöyle değiştirebilirsin:

{{dosya|etc/sphinx_decode.cfg|
 <nowiki>$DEC_CFG_ALIGN = "builtin";</nowiki>}}

Eğer betikleri CMU'da çalıştırıyorsan yukardaki satır normalde şöyle olacaktır:

{{dosya|etc/sphinx_decode.cfg|
<nowiki> DEC_CFG_ALIGN = \\ <br>
  "/afs/cs.cmu.edu/user/robust/archive/third_party_packages/NIST_scoring_tools/sctk/linux/bin/sclite";</nowiki>}}

Kod çözücü betiği çalıştırdığında, üst dizindeki {{kırmızı|.html}} dosyasında deneyimin için doğruluk hakkında bilgi gösterecektir. Bu, ayrıca dosyaların iki ayarını oluşturacak. Bu ayarlardan biri,  {{kırmızı|.align}} genişlemesi ile doğrultma programı tarafından oluşturulmuş doğrultmaları içerir. Eğer NIST aracını {{kırmızı|an4}} ile kullandıysan {{kırmızı|.html}} dosyası aşağıdaki satıra benzer sonuç verecektir:

{{uçbirim|
 <nowiki>SENTENCE ERROR: 56.154% (73/130)   WORD ERROR RATE: 16.429% (127/773)</nowiki>}}
veya eğer {{kırmızı|rm1}} kullandıysan

{{uçbirim|
 <nowiki>SENTENCE ERROR: 38.833% (233/600)   WORD ERROR RATE: 7.640% (434/5681)</nowiki>}}

İkinci yüzdelik sayısı, (7.640%) WER'dir ve HMMler de durum başına 8 Gauss kullanarak elde edilir. WER, hangi kod çözücüyü kullandığına bağlı olarak değişebilir.

Eğer gömülü betik kullandıysan, satır şuna benzeyecektir:

{{uçbirim|
 <nowiki>SENTENCE ERROR: 56.154% (73/130)</nowiki>}}

İlk kısımdaki hatalar kelime hata oranını (WER), ikincisindekiler ise cümle hata oranını (SER) belirtir. Bu yüzden farklılıkları anlaşılabilir.

== Kaynakça ==
Ubuntu-tr forum'daki [http://forum.ubuntu-tr.net/index.php/topic,15307.msg186723.html#msg186723 SPHINX Otomatik Konuşma Kayıt Sistemi] konusu
* [http://www.speech.cs.cmu.edu/sphinx/tutorial.html Carnegie Mellon Üniversitesi Elektrik-Bilgisayar Mühendisliği Bölümü CMU SPHINX Otomatik Konuşma Kayıt sistemi]

[[Kategori:Yazılım]]