使用 HTK（或任何其他工具）进行语音识别的方式类似于在大脑中进行语音识别的方式。当您听到一个单词时，您会立即将其分解为其组成的音素，然后将这些音素与这些音素的内部心理“模型”进行比较。这些“模型”是在多年聆听语音的基础上构建的，使您能够区分听起来相似的句子，例如“如何破坏漂亮的海滩”和“如何识别语音”。使用 HTK 或任何其他基于模型的方案的语音识别以类似的方式工作。在这里，只需几个步骤，您就是这样做的：

1. 您获取输入语音信号并将其转换为特征向量表示。
2. 提取大量句子并对每个句子执行第 1 步。
3. 使用步骤 2 中的特征向量为句子中的每个音素/单词建立一个统计模型（音素/单词的数量有限，而表达它们的方式却是无限的——因此您可以通过建模来减少未知数）。
4. 当一个新词出现时，将其分解成音素并与每个已知模型进行比较。概率最高的电话序列获胜！

上述所有步骤对于成功完成任何语音识别任务都至关重要。通过将声音分解为其特征向量，您将其带入模型空间，为其提供一种表示，使其比其他表示（例如时间幅度表示）更适合制作模型。大多数此类表示位于频率或时频域中。最流行的此类表示之一是MFCC（梅尔频率倒谱系数）. 在某种程度上，这种技术通过一组滤波器模拟了人类的听觉反应。使用这组滤波器分解输入信号，这些滤波器的中心频率具有对数间隔。然后使用任何一个句子（例如）的 MFCC 系数来对构成该句子的每个音素进行建模。例如，考虑，

句子：你好。语音描述：hh aa ey
当您将 MFCC 系数输入 HTK 时，它会将句子的一部分的 MFCC 系数与 hh 相关联，另一部分与 aa 相关联，依此类推。当这样重复多次时，手机的模型就开始形成了。

HTK 使用该工具HCopy将输入句子转换为其特征向量表示。MFCC 也有许多“风味”（E_D_A 或 E_D_A_Z 表示）。HCopy阅读htkbook 中 的文档是个好主意。

.mfcMFCC 系数以 HTK为扩展名写入文件。使用任何一种文本编辑器都无法读取该文件，因为（我认为）系数是用二进制编写的。您可以尝试读取文件C。

HTH。

每个波都可以分解为许多其他波的加法。使用傅里叶变换，您可以将波分析为其频率分量。然后可以将这些频率分量的幅度用作矢量。这是有关执行此操作的 Sphinx 类的文档，这是对傅立叶变换的一个很好的视觉解释。