12
14

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

Juliusの単語・音素セグメンテーションキットのサンプルをMacで実行する

Last updated at Posted at 2014-11-02

概要

大語彙連続音声認識エンジン Juliusを使うと,音声ファイルに含まれる音素の開始・終了時間を自動認識できる(これを音素自動ラベリング と呼ぶ [1]).
音素自動ラベリングを活用すると例えば,カラオケで見るような「歌唱の進行に合わせて表示されている歌詞の色を変える」アプリケーションが作れる.

Juliusの「単語・音素セグメンテーションキット」を使うと,音素自動ラベリングを手軽に試すことができる.本稿ではセグメンテーションキット付属のreadme通りにサンプルを実行する際の手順を,注意すべき事柄と共にまとめました.

準備

以下の2つのどちらかの手法でJuliusをインストールします.

  1. Juliusを手動インストールする
  • JuliusをHomebrewを使ってインストールする

手法によってJuliusの設定が異なります.例えばAudio inputのprimary A/D-in driverは,1.の場合はportaudioですが2.の場合にはMacOSX CoreAudioになります.詳しい違いは「実行できるか確認」に載せた結果を見比べてください.

手法1. Juliusを手動インストールする

libjulius を Mac で使ってみた - 凹みTipsを参考に準備をします.

portaudioのインストール

MacにおいてJuliusでの録音再生に必要なライブラリportaudioを入れます.Homebrewを使います.

$ brew install portaudio

Juliusのインストール

Juliusのダウンロード

Julius最新版の右カラムにあるQuick downloadから"Source(tarball)"を選択して解凍する.

Juliusのインストール

必要があれば,./configure --helpでインストールされるディレクトリを確認しておきます.それが終わったらインストールします.

$ ./configure --with-mictype=portaudio
$ make

/usr/local/binにjulius.dSYMという実行ファイルが生成されますので,これを使ってJuliusを扱います.

実行できるか確認

設定を弄らなければ下のような結果となります.

$ julius.dSYM -version
JuliusLib rev.4.3.1 (fast)

Engine specification:
 -  Base setup   : fast
 -  Supported LM : DFA, N-gram, Word
 -  Extension    :
 -  Compiled by  : gcc -g -O2

Library configuration: version 4.3.1
 - Audio input
    primary A/D-in driver   : libportaudio (PortAudio library (external))
    available drivers       :
    wavefile formats        : RAW and WAV only
    max. length of an input : 320000 samples, 150 words
 - Language Model
    class N-gram support    : yes
    MBR weight support      : yes
    word id unit            : short (2 bytes)
 - Acoustic Model
    multi-path treatment    : autodetect
 - External library
    file decompression by   : zlib library
 - Process hangling
    fork on adinnet input   : no

手法2. JuliusをHomebrewを使ってインストールする

HomebrewでOSXに音声解析エンジンJuliusを入れる - Qiitaを参考にします.

Juliusのインストール

$ brew tap oame/nlp #2015/04/04現在,リポジトリがありません.
$ brew install julius

(2015/04/04 追記)oame/nlpはなくなってしまいましたが,Homebrew FormulasにJuliusが追加されましたので,単純にbrew install juliusで大丈夫です.このため以下の情報は古く,参考程度にしてください

実行できるか確認

$ julius -version
JuliusLib rev.4.3.1 (fast)

Engine specification:
 -  Base setup   : fast
 -  Supported LM : DFA, N-gram, Word
 -  Extension    : WordsInt
 -  Compiled by  : clang -DNDEBUG -O3

Library configuration: version 4.3.1
 - Audio input
    primary A/D-in driver   : coreaudio (MacOSX CoreAudio)
    available drivers       :
    wavefile formats        : RAW and WAV only
    max. length of an input : 320000 samples, 150 words
 - Language Model
    class N-gram support    : yes
    MBR weight support      : yes
    word id unit            : integer (4 bytes)
 - Acoustic Model
    multi-path treatment    : autodetect
 - External library
    file decompression by   : zlib library
 - Process hangling
    fork on adinnet input   : no

単語・音素セグメンテーションキットのダウンロード

Julius 応用キットから,「単語・音素セグメンテーションキット」をダウンロードして解凍する.
なお,2014年11月3日現在,上のページには「2011.03.03更新」と記されています.

SHA-256形式のチェックサムはこう.

$ shasum -a 256 segmentation-kit-v4.0.tar.gz
6fa27efc69b2b09f30050a3e2d2f3e5bbc64f462e8a4457d2cf87323d45a4e7d  segmentation-kit-v4.0.tar.gz

単語・音素セグメンテーションキットのサンプルを動かす

サンプルコードの誤りを修正する

解凍したフォルダのサンプルディレクトリに入る.

$ cd segmentation-kit-v4.0/sample

readmeの誤りを認識する

sample/00readme-ja.txtを開くと次の文章が記載されているが,一部誤っている.

# 誤り
○sample.trans に基づいてセグメンテーションを行う:

  % ../segment_julius4.pl sample.raw sample.trans

○sample.trans_line に基づいてセグメンテーションを行う:

  % ../segment_julius4.pl sample.raw sample.trans_line

実際は音声ファイルとしてsample.rawではなくsample.wavが入っているので適宜,読み替えて使う.

segment_julius4.plを修正する

sampleディレクトリで上述のコマンドを叩いても失敗する.原因は../segment_julius4.plのpath指定部分に誤りがあるため.このファイルをエディタで編集し,次のように直そう.

#### user configuration

## julius4 executable
# $julius4bin="./bin/julius-4.1.5" # 修正前
$julius4bin="/usr/local/bin/julius.dSYM"; # 手動でインストールした場合
$julius4bin="/usr/local/bin/julius"; # Homebrewを使った場合

## acoustic model
# $hmmdefs="./models/hmmdefs_monof_mix16_gid.binhmm"; # 修正前
$hmmdefs="../models/hmmdefs_monof_mix16_gid.binhmm"; # 階層が間違っていた

音素自動ラベリングを行う

修正が終わったらsampleディレクトリでsegment_julius4.plを実行する.

$ ../segment_julius4.pl sample.wav sample.trans
Array @words missing the @ in argument 1 of push() at ../segment_julius4.pl line 71.
enter filename->............................................................................................................................................................................................................enter filename->1 files processed
Log saved in "sample.trans.log"
Result saved in "sample.trans.align".

Julius 4.3.1によって音素自動ラベリングを行った結果が,sample.trans.alignに出力される.
得られる予定の結果は/sample/resultにもともと入っているので差分を確認してみる.
結果を下に示す."<"が付いている方がJulius 4.3.1での結果,">"が付いている方が元々の結果(おそらくJulius 4.1.5)となっています.
4.3.1の結果のほうがパースし易い出力になっています.

$ diff sample.trans.align result/sample.trans.align
11c11
< input speechfile: sample.wav
---
> input speechfile: ./sample/sample.wav
14c14
< -- phoneme alignment --
---
> -- state alignment --
17,31c17,61
< [   0   22]  -19.594141  silB
< [  23   31]  -25.734667  ky
< [  32   55]  -20.839853  o:
< [  56   67]  -23.585581  w
< [  68   75]  -27.564865  a
< [  76   87]  -26.436462  i
< [  88   97]  -23.435047  i
< [  98  106]  -23.542698  t
< [ 107  116]  -24.730494  e
< [ 117  126]  -24.588940  N
< [ 127  138]  -24.642313  k
< [ 139  143]  -25.039257  i
< [ 144  149]  -24.957642  d
< [ 150  159]  -24.341919  a
< [ 160  203]  -19.249168  silE
---
> [   0    2]  -18.646193  silB #1
> [   3   21]  -19.418312  silB #2
> [  22   22]  -25.778687  silB #3
> [  23   24]  -26.296310  ky #1
> [  25   27]  -25.316650  ky #2
> [  28   31]  -25.767365  ky #3
> [  32   35]  -22.096512  o: #1
> [  36   54]  -20.393854  o: #2
> [  55   55]  -24.287109  o: #3
> [  56   56]  -24.699951  w #1
> [  57   59]  -23.869141  w #2
> [  60   67]  -23.339951  w #3
> [  68   68]  -26.522949  a #1
> [  69   70]  -26.470642  a #2
> [  71   75]  -28.210987  a #3
> [  76   83]  -27.251038  i #1
> [  84   86]  -25.292196  i #2
> [  87   87]  -23.352539  i #3
> [  88   91]  -22.180389  i #1
> [  92   94]  -23.187662  i #2
> [  95   97]  -25.355307  i #3
> [  98  104]  -22.420271  t #1
> [ 105  105]  -26.627441  t #2
> [ 106  106]  -28.314941  t #3
> [ 107  108]  -26.578857  e #1
> [ 109  115]  -23.518240  e #2
> [ 116  116]  -29.519531  e #3
> [ 117  120]  -26.904724  N #1
> [ 121  124]  -22.301331  N #2
> [ 125  126]  -24.532593  N #3
> [ 127  132]  -23.014811  k #1
> [ 133  134]  -26.071655  k #2
> [ 135  138]  -26.368896  k #3
> [ 139  139]  -26.820312  i #1
> [ 140  141]  -24.574707  i #2
> [ 142  143]  -24.613281  i #3
> [ 144  144]  -23.970703  d #1
> [ 145  146]  -24.219849  d #2
> [ 147  149]  -25.778482  d #3
> [ 150  157]  -23.779327  a #1
> [ 158  158]  -25.658447  a #2
> [ 159  159]  -27.526123  a #3
> [ 160  162]  -27.743002  silE #1
> [ 163  167]  -19.885839  silE #2
> [ 168  203]  -18.452921  silE #3

参考

  1. JuliusとJulian/音素自動ラベリング - Miyazawa’s Pukiwiki 公開版
12
14
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
12
14

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?