正文

一、概述

什么是Kaldi？Kaldi是ASR的工具箱，可以训练声学模型，也可以使用已有的算法提取声学特征。

什么是声学模型？它是音素声学信息的统计表示。声学模型由标注好的数据训练而来。声学模型可以用于自动语音识别，也可以用于强制对齐。

二、安装

Kaldi可以直接下载安装，我只试过在Ubuntu中编译。使用以下命令下载源码：

 git clone https://github.com/kaldi-asr/kaldi.git kaldi --origin upstream

下载的文件中有INSTALL文档，按照步骤安装即可。下面的步骤仅供参考，有任何疑问可以上网搜索，一般都可以解决。

 cd kaldi/tools  
 extras/check_dependencies.sh  
 make
 
 cd kaldi/src  
 ./configure  
 make depend  
 make

三、结构

编译后的Kaldi有几个文件夹，分别是egs，src，tools，misc等。最常用的是egs和src。

egs的意思是examples，即使用样例。内容包括大部分大型开源数据库的训练流程，如WSJC，TIMIT，RM等。

src是源码，可以读一下，了解作者的工作思路。不读也不要紧，脚本里直接调用也没问题。

每一个训练流程文件夹都有标准的结构，比如egs/rm/s5文件夹中，有run.sh，cmd.sh和path.sh几个脚本文件。文件夹中还有conf，data，exp，local，steps和utils等子文件夹。data文件夹存储的是转写、词典等数据，exp存储的是训练的成果、脚本和声学模型等。

下图的结构供参考：

四、训练概览

脚本很重要，但先了解训练声学模型的基本流程更为必要。

（一）获取语音数据的转写

有时候还需要每一句的起止时间。

（二）将转写调为标准格式

每一句的起止时间、每一句的说话人ID、词和音素的列表。

（三）提取特征

一般用MFCC，有时候也会PLP，如果用比较深的网络，F-bank也可以用。

（四）训练单音素模型

顾名思义，就是只包含单个音素信息的声学模型。

（五）将音频与声学模型对齐

在训练阶段，模型参数基本确定下来。但如果能将训练与对齐循环往复，效果会更好，可以用Viterbi算法、EM或前向后向算法。

（六）训练三音素模型

并非所有的三音素都会出现，可以用决策树聚类以减少参数。

（七）将音频与声学模型对齐

实际是第五步的重复。

一些算法：

1、Delta+delta-delta training。这是MFCC特征中经常用到的步骤，实质是求导（离散情况下是差分方程），以获取动态特征。

2、LDA-MLLT是线性判别分析和极大似然线性变换的简称，LDA就是Fisher判别分析，本质是一种降维。MLLT的目的是作说话人之间的归整。

3、SAT是说话人适应性训练，也是一种归一化算法。

对齐算法是fMLLR，即特征空间极大似然线性回归。

五、训练

（一）准备文件夹

为任务新建文件夹。

比如：

 mkdir mycorpus

在mycorpus文件夹中依照其他egs中的文件夹建立文件夹结构。

在此文件中建立软连接，以使用wsj文件夹中的steps，utils，src等文件，同时把path.sh拷贝过来。注意脚本文件中的地址要根据实际的地址更新。

比如：

 cd mycorpus
 ln -s ../wsj/s5/steps
 ln -s ../wsj/s5/utils
 ln -s ../../src
 cp ../wsj/s5/path.sh

mycorpus比s5要高一层，所以path.sh中的路径也要上移一层：

 # 将以下路径
 export KALDI_ROOT='pwd'/../../..
 # 改为
 export KALDI_ROOT='pwd'/../..

然后在mycorpus文件夹中建立exp，conf，data子文件夹。data中建立train，lang，local和local/lang文件夹。如下：

 cd mycorpus
 mkdir exp
 mkdir conf
 mkdir data
                     
 cd data
 mkdir train
 mkdir lang
 mkdir local
                     
 cd local
 mkdir lang

（二）为data/train创建文件

data/train中的文件包含音频文件、转写、说话人等信息。包括的文件有：

• text

• segments

• wav.scp

• utt2spk

• spk2utt

1. text

text是逐句转写，格式如下：

utt_id XXXXXXXX……

utt_id是utterance ID。

示例如下：

110236_20091006_82330_F_0001 I’M WORRIED ABOUT THAT
110236_20091006_82330_F_0002 AT LEAST NOW WE HAVE THE BENEFIT
110236_20091006_82330_F_0003 DID YOU EVER GO ON STRIKE
…
120958_20100126_97016_M_0285 SOMETIMES LESS IS BETTER
120958_20100126_97016_M_0286 YOU MUST LOVE TO COOK

有了text后，词表只包含text中出现的词。使用以下命令：

 cut -d 'my delimiter' -f 2- text | sed 's/ /\n/g' | sort -u > words.txt

再用python脚本出去重即可。

一个示例脚本filter_dict.py将words.txt和lexicon.txt作为输入，可以根据需要修改。

 import os
 
 ref = dict()
 phones = dict()
 
 with open("../lexicon") as f:
     for line in f:
         line = line.strip()
         columns = line.split(" ", 1)
         word = columns[0]
         pron = columns[1]
         try:
             ref[word].append(pron)
         except:
             ref[word] = list()
             ref[word].append(pron)
 
 print ref
 
 lex = open("data/local/lang/lexicon.txt", "wb")
 
 with open("data/train/words.txt") as f:
     for line in f:
         line = line.strip()
         if line in ref.keys():
             for pron in ref[line]:
                 lex.write(line + " " + pron+"\n")
         else:
             print "Word not in lexicon:" + line

在lexicon中需要加入<oov> <oov>，这是系统需要，表示out of vocabulary。

2. segments

segments表示的是utterance的起止时间。格式如下：

 utt_id file_id start_time end_time

示例文件如下：

110236_20091006_82330_F_001 110236_20091006_82330_F 0.0 3.44
110236_20091006_82330_F_002 110236_20091006_82330_F 4.60 8.54
110236_20091006_82330_F_003 110236_20091006_82330_F 9.45 12.05
110236_20091006_82330_F_004 110236_20091006_82330_F 13.29 16.13
110236_20091006_82330_F_005 110236_20091006_82330_F 17.27 20.36
110236_20091006_82330_F_006 110236_20091006_82330_F 22.06 25.46
110236_20091006_82330_F_007 110236_20091006_82330_F 25.86 27.56
110236_20091006_82330_F_008 110236_20091006_82330_F 28.26 31.24
…
120958_20100126_97016_M_282 120958_20100126_97016_M 915.62 919.67
120958_20100126_97016_M_283 120958_20100126_97016_M 920.51 922.69
120958_20100126_97016_M_284 120958_20100126_97016_M 922.88 924.27
120958_20100126_97016_M_285 120958_20100126_97016_M 925.35 927.88
120958_20100126_97016_M_286 120958_20100126_97016_M 928.31 930.51

3. wav.scp

wav.scp是每个音频文件的路径。格式如下：

 file_id path/file

示例如下：

110236_20091006_82330_F path/110236_20091006_82330_F.wav
111138_20091215_82636_F path/111138_20091215_82636_F.wav
111138_20091217_82636_F path/111138_20091217_82636_F.wav

如果格式不用wav，用sox作批量转换即可。如：

 file_id path/sox audio.mp3 -t wav -r 8000 -c 1 - remix 2|

4. utt2spk

从名字可以看出，它是utterance和说话人之间的映射。格式如下：

 utt_id spkr

示例如下：

110236_20091006_82330_F_0001 110236
110236_20091006_82330_F_0002 110236
110236_20091006_82330_F_0003 110236
110236_20091006_82330_F_0004 110236

这些信息在segments中都有，所以可以直接用命令生成：

 cat data/train/segments | cut -f 1 -d ' ' | perl -ane 'chomp; @F = split "_", $_; print $_ . " " . @F[0] . "\n";' > data/train/utt2spk

5. spk2utt

它是utt2spk的转换，可以直接生成：

 utils/fix_data_dir.sh data/train

（三）创建data/local/lang中的文件

逻辑与第（二）部分一样，需要以下文件：

• lexicon.txt

• nonsilence_phones.txt

• optional_silence.txt

• silence_phones.txt

• extra_questions.txt (optional)

1. lexicon.txt

这是发音词典。如下：

WORD W ER D
LEXICON L EH K S IH K AH N

2. nonsilence_phones.txt

用下面的命令可以自动生成：

 cut -d ' ' -f 2- lexicon.txt | sed 's/ /\n/g' | sort -u > nonsilence_phones.txt

3. silence_phones.txt

用下面的命令生成：

 echo –e 'SIL'\\n'oov' > silence_phones.txt

4. optional_silence.txt

用下面的命令生成：

 echo 'SIL' > optional_silence.txt

5. extra_questions.txt

(四) 为data/lang创建文件

有了data/local/lang中的文件后，可以用脚本自动生成data/lang中的文件。

 cd mycorpus
 utils/prepare_lang.sh data/local/lang 'OOV' data/local/ data/lang
                     
 # where the underlying argument structure is:
 utils/prepare_lang.sh <dict-src-dir> <oov-dict-entry> <tmp-dir> <lang-dir>

创建的文件包括L.fst，L_disambig.fst，http://oov.int，oov.txt，phones.txt，topo，words.txt，phones。

（五）并行化设置

Kaldi中的脚本run.pl，queue.pl和slurm.pl可以作并行化处理。

run.pl是在本地机器上跑任务。

queue.pl可以在许多机器上分配任务。

slurm.pl可以在更多机器上分配任务。

我只有本地机器，所以用下面的脚本：

 cd mycorpus  
 vim cmd.sh  
                     
 # Press i to insert; esc to exit insert mode; 
 # ‘:wq’ to write and quit; ‘:q’ to quit normally; 
 # ‘:q!’ to quit forcibly (without saving)
 
 # Insert the following text in cmd.sh
 train_cmd="run.pl"
 decode_cmd="run.pl"

然后运行：

 cd mycorpus
 ./cmd.sh

（六）为conf创建文件

这个文件就是mfcc.conf，包括：

-use-energy=false
-sample-frequency=16000

（七）提取MFCC

直接用以下脚本提取即可：

 cd mycorpus  
                     
 mfccdir=mfcc  
 x=data/train  
 steps/make_mfcc.sh --cmd "$train_cmd" --nj 16 $x exp/make_mfcc/$x $mfccdir  
 steps/compute_cmvn_stats.sh $x exp/make_mfcc/$x $mfccdir

（八）单音素训练与对齐

训练的第一步是单音素训练，此处的训练集只用总训练集的一小部分即可。下面的脚本是训练步骤：

 cd mycoupus
 utils/subset_data_dir.sh --first data/train 10000 data/train_10k

所有的训练步骤都差不多，除了单音素训练，因为此时还没有任何模型。需要的参数包括：

 - Location of the acoustic data: `data/train` 
 - Location of the lexicon: `data/lang`
 - Source directory for the model: `exp/lastmodel`
 - Destination directory for the model: `exp/currentmodel`

下面的代码是训练步骤：

 steps/train_mono.sh --boost-silence 1.25 --nj 10 --cmd "$train_cmd" \
 data/train_10k data/lang exp/mono_10k

对齐脚本的参数如下：

 - Location of the acoustic data: `data/train`
 - Location of the lexicon: `data/lang`  
 - Source directory for the model: `exp/currentmodel`  
 - Destination directory for the alignment: `exp/currentmodel_ali`

脚本如下：

 steps/align_si.sh --boost-silence 1.25 --nj 16 --cmd "$train_cmd" \
 data/train data/lang exp/mono_10k exp/mono_ali || exit 1;

下图是现在的文件夹结构：

（九）三音联训练与对齐

三音联训练的时候，HMM状态需要额外的参数。此处使用2000个HMM状态和10000个高斯。假如词典有50个音素，可以每个状态一个音素。但是，每个音素都会有较大的变化，所有至少需要对每个音素做三个状态，即150个状态。如果有2000个状态的话，模型可以决定将同一音素的不同状态对应到不同的HMM状态中。这些状态与HMM状态一一对应，因此可以换用。

高斯数与数据量、模型特点、状态数都有关，此处用10000个也是试验的结果。如下：

 steps/train_deltas.sh --boost-silence 1.25 --cmd "$train_cmd" 2000 10000 data/train data/lang exp/mono_ali exp/tri1 || exit 1;

对齐用下面的脚本：

 steps/align_si.sh --nj 24 --cmd "$train_cmd" \
 data/train data/lang exp/tri1 exp/tri1_ali || exit 1;

用delta等信息训练用下面的脚本：

 steps/train_deltas.sh --cmd "$train_cmd" 2500 15000 data/train data/lang exp/tri1_ali exp/tri2a || exit 1;

对齐用下面的脚本：

 steps/align_si.sh  --nj 24 --cmd "$train_cmd" --use-graphs true data/train data/lang exp/tri2a exp/tri2a_ali  || exit 1;

训练LDA-MLLT三音联：

 steps/train_lda_mllt.sh --cmd "$train_cmd" 3500 20000 data/train data/lang exp/tri2a_ali exp/tri3a || exit 1;

再对齐：

 steps/align_fmllr.sh --nj 32 --cmd "$train_cmd" data/train data/lang exp/tri3a exp/tri3a_ali || exit 1;

训练SAT三音联：

 steps/train_sat.sh  --cmd "$train_cmd" 4200 40000 data/train data/lang exp/tri3a_ali exp/tri4a || exit 1;

对齐：

 steps/align_fmllr.sh  --cmd "$train_cmd" data/train data/lang exp/tri4a exp/tri4a_ali || exit 1;

六、强制对齐

创立声学模型之后，Kaldi可以在转写的基础上强制对齐。Montreal Forced Aligner就是按照这样的路线写的对齐工具。

全部流程的成果将以TextGrid文件的形式输出。

（一）准备对齐文件

对于新的任务，需要依照之前在data/train创建的文件，再创建一套新的文件。

 cd mycorpus/data
 mkdir alignme

这些文件是text，segments，wav.scp，utt2spk，spk2utt。

（二）提取MFCC

 cd mycorpus
                     
 mfccdir=mfcc
 for x in data/alignme
 do
     steps/make_mfcc.sh --cmd "$train_cmd" --nj 16 $x exp/make_mfcc/$x $mfccdir
     utils/fix_data_dir.sh data/alignme
     steps/compute_cmvn_stats.sh $x exp/make_mfcc/$x $mfccdir
     utils/fix_data_dir.sh data/alignme
 done

（三）对齐数据

 cd mycorpus
 steps/align_si.sh --cmd "$train_cmd" data/alignme data/lang exp/tri4a exp/tri4a_alignme || exit 1;

（四）提取对齐文件

一是要获取CTM输出，即time-marked conversation文件。此文件包含时间对齐的音素信息，格式如下：

utt_id channel_num start_time phone_dur phone_id

下面的脚本从tri4a_alignme文件夹中提取CTM输出，使用的声学模型在tri4a中。

 cd mycorpus
                     
 for i in  exp/tri4a_alignme/ali.*.gz;
 do src/bin/ali-to-phones --ctm-output exp/tri4a/final.mdl \
 ark:"gunzip -c $i|" -> ${i%.gz}.ctm;
 done;

将CTM文件拼接在一起：

 cd mycorpus/exp/tri4a_alignme
 cat *.ctm > merged_alignment.txt

CTM输出的是utterance的起始时间，需要对照segments文件才能获取文件时间。phone ID也还转换为对应的phone，可参考phones.txt转换。

用以下脚本：

 #!/bin/sh
 
 #  id2phone.R
 #  
 #
 #  Created by Eleanor Chodroff on 3/24/15.
 #
 phones <- read.table("/Users/Eleanor/mycorpus/recipefiles/phones.txt", quote="\"")
 segments <- read.table("/Users/Eleanor/mycorpus/recipefiles/segments.txt", quote="\"")
 ctm <- read.table("/Users/Eleanor/mycorpus/recipefiles/merged_alignment.txt", quote="\"")
 
 names(ctm) <- c("file_utt","utt","start","dur","id")
 ctm$file <- gsub("_[0-9]*$","",ctm$file_utt)
 names(phones) <- c("phone","id")
 names(segments) <- c("file_utt","file","start_utt","end_utt")
 
 ctm2 <- merge(ctm, phones, by="id")
 ctm3 <- merge(ctm2, segments, by=c("file_utt","file"))
 ctm3$start_real <- ctm3$start + ctm3$start_utt
 ctm3$end_real <- ctm3$start_utt + ctm3$dur
 
 write.table(ctm3, "Users/Eleanor/mycorpus/recipefiles/final_ali.txt", row.names=F, quote=F, sep="\t")

返回final_ali.txt文件后，需要将之分割。

 #!/bin/sh
 
 #  splitAlignments.py
 #  
 #
 #  Created by Eleanor Chodroff on 3/25/15.
 #
 #
 #
 import sys,csv
 results=[]
 
 #name = name of first text file in final_ali.txt
 #name_fin = name of final text file in final_ali.txt
 
 name = "110236_20091006_82330_F"
 name_fin = "120958_20100126_97016_M"
 try:
     with open("final_ali.txt") as f:
         next(f) #skip header
         for line in f:
             columns=line.split("\t")
             name_prev = name
             name = columns[1]
             if (name_prev != name):
                 try:
                     with open((name_prev)+".txt",'w') as fwrite:
                         writer = csv.writer(fwrite)
                         fwrite.write("\n".join(results))
                         fwrite.close()
                 #print name
                 except Exception, e:
                     print "Failed to write file",e
                     sys.exit(2)
                 del results[:]
                 results.append(line[0:-1])
             else:
                 results.append(line[0:-1])
 except Exception, e:
     print "Failed to read file",e
     sys.exit(1)
 # this prints out the last textfile (nothing following it to compare with)
 try:
     with open((name_prev)+".txt",'w') as fwrite:
         writer = csv.writer(fwrite)
         fwrite.write("\n".join(results))
         fwrite.close()
                 #print name
 except Exception, e:
     print "Failed to write file",e
     sys.exit(2)
 #  phons2words.py
 #
 #
 #  Created by Eleanor Chodroff on 2/07/16.
 
 import sys,re,glob
 
 pron_ali=open("pron_alignment.txt",'w')
 pron=[]
 
 files = glob.glob('[1-9]*.txt')
 
 # process each file
 for filei in files:
     print filei
     f = open(filei, 'r')
     header = True
     pron_ali.write('\n')
     for line in f:
         if header:
             header = False
             continue
         line=line.split("\t")
         file=line[1]
         file = file.strip()
         phon_pos=line[6]
         #print phon_pos
         if phon_pos == "SIL":
             phon_pos = "SIL_S"
         phon_pos=phon_pos.split("_")
         phon=phon_pos[0]
         pos=phon_pos[1]
         #print pos
         if pos == "B":
             start=line[9]
             pron.append(phon)
         if pos == "S":
             start=line[9]
             end=line[10]
             pron.append(phon)
             pron_ali.write(file + '\t' + ' '.join(pron) +'\t'+ str(start) + '\t' + str(end))
             pron=[]
         if pos == "E":
             end=line[10]
             pron.append(phon)
             pron_ali.write(file + '\t' + ' '.join(pron) +'\t'+ str(start) + '\t' + str(end))
             pron=[]
         if pos == "I":
             pron.append(phon)
 #!/usr/bin/python
 # -*- coding: utf-8 -*-
 #
 #  phons2words.py
 #
 #
 #  Created by Eleanor Chodroff on 2/07/16.
 
 
 
 #### issues with unicode (u'')
 import sys,csv,os,os.path,re,codecs
 
 # make dictionary of word: prons
 lex = {}
 
 with codecs.open("lexicon.txt", "rb", "utf-8") as f:
     for line in f:
         line = line.strip()
         columns = line.split("\t")
         word = columns[0]
         pron = columns[1]
         #print pron
         try:
             lex[pron].append(word)
         except:
             lex[pron] = list()
             lex[pron].append(word)
 
 # open file to write
 
 word_ali = codecs.open("word_alignment.txt", "wb", "utf-8")
 
 # read file with most information in it
 with codecs.open("pron_alignment.txt", "rb", "utf-8") as f:
     for line in f:
         line = line.strip()
         line = line.split("\t")
         # get the pronunciation
         pron = line[1]
         # look up the word from the pronunciation in the dictionary
         word = lex.get(pron)
         word = word[0]
         file = line[0]
         start = line[2]
         end = line[3]
         word_ali.write(file + '\t' + word + '\t' + start + '\t' + end + '\n')

（五）生成TextGrid

为每个txt文件添加文件头，以符合textgrid文件的格式。

 cd ~/Desktop
 mkdir tmp
                 
 header="/Users/Eleanor/Desktop/header.txt"
                 
 # direct the terminal to the directory with the newly split session files
 # ensure that the RegEx below will capture only the session files
 # otherwise change this or move the other .txt files to a different folder
                 
 cd mycorpus/forcedalignment
 for i in *.txt;
 do
     cat "$header" "$i" > /Users/Eleanor/Desktop/tmp/xx.$$
     mv /Users/Eleanor/Desktop/tmp/xx.$$ "$i"
 done;

上述脚本需要在桌面有个tmp文件夹，同时需要包括以下文件头的文件：

file_utt file id ali startinutt dur phone start_utt end_utt start end

下述Praat脚本文件从txt文件生成音素对齐标注文件：

 # Created 27 March 2015 E. Chodroff 
 
 dir$ = "/Users/Eleanor/mycorpus"
 
 Create Strings as file list... list_txt 'dir$'/*.txt
 nFiles = Get number of strings
 
 for i from 1 to nFiles
     select Strings list_txt
     filename$ = Get string... i
     basename$ = filename$ - ".txt"
     txtname$ = filename$ - ".txt"
     Read from file... 'dir$'/'basename$'.wav
     dur = Get total duration
     To TextGrid... "kaldiphone"
 
     #pause 'txtname$'
 
     select Strings list_txt
     Read Table from tab-separated file... 'dir$'/'txtname$'.txt
     Rename... times
     nRows = Get number of rows
     Sort rows... start
     for j from 1 to nRows
         select Table times
         startutt_col$ = Get column label... 5
         start_col$ = Get column label... 10
         dur_col$ = Get column label... 6
         phone_col$ = Get column label... 7
         if j < nRows
             startnextutt = Get value... j+1 'startutt_col$'
         else
             startnextutt = 0
         endif
         start = Get value... j 'start_col$'
         phone$ = Get value... j 'phone_col$'
         dur = Get value... j 'dur_col$'
         end = start + dur
         select TextGrid 'basename$'
         int = Get interval at time... 1 start+0.005
         if start > 0 & startnextutt = 0
             Insert boundary... 1 start
             Set interval text... 1 int+1 'phone$'
             Insert boundary... 1 end
         elsif start = 0
             Set interval text... 1 int 'phone$'
         elsif start > 0
             Insert boundary... 1 start
             Set interval text... 1 int+1 'phone$'
         endif
         #pause
     endfor
     #pause
     Write to text file... 'dir$'/'basename$'.TextGrid
     select Table times
     plus Sound 'basename$'
     plus TextGrid 'basename$'
     Remove
 endfor

以下脚本从word_alignment.txt文件生成单词对齐文件：

 # Created 8 Feb 2016 E. Chodroff 
 
 dir$ = "/Volumes/MIXER6_cogsci/CzechNijmegen/alignment/tri1_ali_utf8"
 dir2$ = "/Volumes/MIXER6_cogsci/CzechNijmegen/wavfiles"
 
 word_ali$ = "word_alignment"
 Read Table from tab-separated file... 'dir$'/'word_ali$'.txt
 nRows = Get number of rows
 col_file$ = Get column label... 1
 col_start$ = Get column label... 3
 col_end$ = Get column label... 4
 col_word$ = Get column label... 2
 
 file1$ = Get value... 1 'col_file$'
 Open long sound file... 'dir2$'/'file1$'.wav
 To TextGrid... "word"
 
 for i from 1 to nRows
     select Table 'word_ali$'
     # open new sound file if necessary
     ## compare filename from current row to previous row
     if i = 1
         file2$ = Get value... i 'col_file$'
     else
         file1$ = Get value... i-1 'col_file$'
         file2$ = Get value... i 'col_file$'
     endif
     ## if filenames are not the same, open new sound file
     if file2$ != file1$
         select TextGrid 'file1$'
         Save as text file... 'dir$'/'file1$'_word.TextGrid
         #pause just saved textgrid
         select LongSound 'file1$'
         plus TextGrid 'file1$'
         Remove
         Open long sound file... 'dir2$'/'file2$'.wav
         To TextGrid... "word"
     endif
 
     # start marking textgrid
     select Table 'word_ali$'
     start = Get value... i 'col_start$'
     end = Get value... i 'col_end$'
     word$ = Get value... i 'col_word$'
 
     ## get start time of next word in case you need to mark the end time of current
     if i < nRows
         startnextword = Get value... i+1 'col_start$'
     endif
 
     select TextGrid 'file2$'
     int = Get interval at time... 1 start+0.005
 
     ## if you're at the end of a file, mark the end of the last word
     if start > 0 & startnextword = 0
         Insert boundary... 1 start
         Set interval text... 1 int+1 'word$'
         Insert boundary... 1 end
     ## if the start time of the next word does not equal end of current, mark end of current
     elsif start > 0 & end != startnextword
         Insert boundary... 1 start
         Set interval text... 1 int+1 'word$'
         Insert boundary... 1 end
     ## if end time of current word equals the start time of next, do not mark end of current
     elsif start > 0 & end = startnextword
         Insert boundary... 1 start
         Set interval text... 1 int+1 'word$'
     ## if start = 0, do not add a boundary otherwise praat will throw an error
     elsif start = 0 & end != startnextword
         Set interval text... 1 int 'phone$'
         Insert boundary... 1 end
     elsif start = 0 & end = startnextword
         Set interval text... 1 int 'word$'
     endif   
     #pause
 endfor
 Save as text file... 'dir$'/'file2$'_word.TextGrid
 select LongSound 'file2$'
 plus TextGrid 'file2$'
 Remove

以下脚本将音素与单词层拼为一个标注文件：

 # This script stacks two TextGrids to create one
 # Created 2 April 2015 E. Chodroff
 # Updated 8 Feb 2016 E. Chodroff
 
 dir$ = "/Volumes/MIXER6_cogsci/CzechNijmegen/alignment/tri1_ali_utf8"
 
 Create Strings as file list... czech 'dir$'/*.TextGrid
 Sort
 n = Get number of strings
 
 for i from 1 to n
     select Strings czech
     file$ = Get string... i
     base$ = file$ - ".TextGrid"
     
     Read from file... 'dir$'/'base$'.TextGrid
     Rename... file1
 
     Read from file... 'dir$'/'base$'_word.TextGrid
     Rename... file2
     select TextGrid file1
     plus TextGrid file2
     Merge
     Write to text file... 'dir$'/'base$'_final.TextGrid
     select TextGrid file1
     plus TextGrid file2
     plus TextGrid merged
     Remove
     i = i+1
 endfor

编辑于 2021-11-