ജൂലിയസ് - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

ജൂലിയസ്
- ഓപ്പൺ സോഴ്സ് മൾട്ടി പർപ്പസ് എൽവിസിഎസ്ആർ എഞ്ചിൻ

സിനോപ്സിസ്

ജൂലിയസ് [-സി jconfle] [ഓപ്ഷനുകൾ...]

വിവരണം

ജൂലിയസ് ഉയർന്ന പ്രവർത്തനക്ഷമതയുള്ള, മൾട്ടി പർപ്പസ്, ഓപ്പൺ സോഴ്‌സ് സ്പീച്ച് റെക്കഗ്നിഷൻ എഞ്ചിനാണ്
ഗവേഷകരും ഡവലപ്പർമാരും. ഇത് ഏതാണ്ട് തത്സമയ തിരിച്ചറിയൽ നടത്താൻ പ്രാപ്തമാണ്
60k-ലധികം വാക്കുകളുള്ള 3-ഗ്രാം ഭാഷാ മോഡലും ട്രൈഫോൺ HMM മോഡലും ഉള്ള തുടർച്ചയായ സംസാരം, മിക്കവയിലും
നിലവിലെ പിസികൾ. ജൂലിയസ് ഓഡിയോ ഫയലുകൾ, തത്സമയ മൈക്രോഫോൺ ഇൻപുട്ട് എന്നിവയിൽ തിരിച്ചറിയൽ നടത്താൻ കഴിയും,
നെറ്റ്‌വർക്ക് ഇൻപുട്ടും ഫീച്ചർ പാരാമീറ്റർ ഫയലുകളും.

കോർ റെക്കഗ്നിഷൻ മൊഡ്യൂൾ "ജൂലിയസ് ലിബ്" എന്ന് വിളിക്കുന്ന സി ലൈബ്രറിയായി നടപ്പിലാക്കുന്നു. അതും ആകാം
പ്ലഗ്-ഇൻ സൗകര്യം വഴി നീട്ടി.

പിന്തുണയുള്ള മോഡലുകൾ
ജൂലിയസ് സംഭാഷണ തിരിച്ചറിയൽ ആയി പ്രവർത്തിക്കാൻ ഒരു ഭാഷാ മോഡലും ഒരു അക്കോസ്റ്റിക് മോഡലും ആവശ്യമാണ്. ജൂലിയസ്
ഇനിപ്പറയുന്ന മോഡലുകളെ പിന്തുണയ്ക്കുന്നു.

ശബ്ദമുണ്ടാക്കുക മാതൃക
HTK ascii ഫോർമാറ്റിലുള്ള ഉപപദം HMM (മറഞ്ഞിരിക്കുന്ന മാർക്കോവ് മോഡൽ) പിന്തുണയ്ക്കുന്നു. ഫോൺമെ
മോഡലുകൾ (മോണോഫോൺ), സന്ദർഭ ആശ്രിത ഫോൺമെ മോഡലുകൾ (ട്രിഫോൺ), ടൈഡ്-മിക്സ്ചർ കൂടാതെ
ഏത് യൂണിറ്റിന്റെയും ഫൊണറ്റിക് ടൈഡ്-മിക്സ്ചർ മോഡലുകൾ ഉപയോഗിക്കാം. സന്ദർഭ ആശ്രിതത്വം ഉപയോഗിക്കുമ്പോൾ
മോഡലുകൾ, ഇന്റർ-വേഡ് സന്ദർഭ ഡിപൻഡൻസിയും കൈകാര്യം ചെയ്യുന്നു. മൾട്ടി-സ്ട്രീം ഫീച്ചറും
MSD-HMM-യും പിന്തുണയ്ക്കുന്നു. നിങ്ങൾക്ക് ഒരു ഉപകരണം തുടർന്നും ഉപയോഗിക്കാം mkbinhmm ascii പരിവർത്തനം ചെയ്യാൻ
വേഗത്തിലുള്ള ലോഡിംഗിനായി ഒരു കോംപാക്റ്റ് ബൈനറി ഫോർമാറ്റിലേക്ക് HMM ഫയൽ.

അതല്ല ജൂലിയസ് സംഭാഷണ ഡാറ്റയിൽ നിന്ന് MFCC സവിശേഷതകൾ വേർതിരിച്ചെടുക്കാൻ മാത്രമേ അതിന് കഴിയൂ. നിങ്ങൾ ഉപയോഗിക്കുകയാണെങ്കിൽ
മറ്റ് ഫീച്ചറുകൾക്കായി പരിശീലിപ്പിച്ച അക്കോസ്റ്റിക് എച്ച്എംഎം, നിങ്ങൾ എച്ച്ടികെ പാരാമീറ്ററിൽ ഇൻപുട്ട് നൽകണം
ഒരേ ഫീച്ചർ തരത്തിലുള്ള ഫയൽ.

ഭാഷ മാതൃക: വാക്ക് എൻ-ഗ്രാം
10-ഗ്രാം വരെയുള്ള വേഡ് എൻ-ഗ്രാം ഭാഷാ മോഡൽ പിന്തുണയ്ക്കുന്നു. ജൂലിയസ് വ്യത്യസ്തമായി ഉപയോഗിക്കുന്നു
ഓരോ പാസിനും എൻ-ഗ്രാം: ആദ്യ പാസിൽ ഇടത്തുനിന്ന് വലത്തോട്ട് 2-ഗ്രാം, വലത്തുനിന്ന് ഇടത്തേക്ക് എൻ-ഗ്രാം
രണ്ടാം പാസ്. ജൂലിയസിനായി LR 2-ഗ്രാമും RL N-ഗ്രാമും ഉപയോഗിക്കാൻ ശുപാർശ ചെയ്യുന്നു.
എന്നിരുന്നാലും, നിങ്ങൾക്ക് ഒറ്റ LR N-gram അല്ലെങ്കിൽ RL N-gram മാത്രമേ ഉപയോഗിക്കാനാകൂ. അത്തരമൊരു സാഹചര്യത്തിൽ, ഏകദേശം
നൽകിയിരിക്കുന്ന N-ഗ്രാമിൽ നിന്ന് കണക്കാക്കിയ LR 2-ഗ്രാം ആദ്യ പാസിൽ പ്രയോഗിക്കും.

സ്റ്റാൻഡേർഡ് ARPA ഫോർമാറ്റ് പിന്തുണയ്ക്കുന്നു. കൂടാതെ, ഒരു ബൈനറി ഫോർമാറ്റും ഉണ്ട്
കാര്യക്ഷമതയ്ക്കായി പിന്തുണയ്ക്കുന്നു. ഉപകരണം mkbingram(1) ARPA ഫോർമാറ്റ് N-gram ആയി പരിവർത്തനം ചെയ്യാൻ കഴിയും
ബൈനറി ഫോർമാറ്റ്.

ഭാഷ മാതൃക: വ്യാകരണം
വ്യാകരണ ഫോർമാറ്റ് യഥാർത്ഥമായ ഒന്നാണ്, കൂടാതെ ഒരു തിരിച്ചറിയൽ വ്യാകരണം സൃഷ്ടിക്കുന്നതിനുള്ള ടൂളുകളും
വിതരണത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഒരു വ്യാകരണത്തിൽ രണ്ട് ഫയലുകൾ അടങ്ങിയിരിക്കുന്നു: ഒന്ന് a
വാക്ക് ഉപയോഗിച്ച് ബിഎൻഎഫ് ശൈലിയിൽ വാക്യഘടനയെ വിവരിക്കുന്ന 'വ്യാകരണം' ഫയൽ
അവസാന ചിഹ്നങ്ങളായി 'വിഭാഗം' പേര്. വാക്കുകളെ നിർവചിക്കുന്ന 'വോക്ക' ഫയലാണ് മറ്റൊന്ന്
ഓരോ വിഭാഗത്തിനും അതിന്റെ ഉച്ചാരണങ്ങൾ (അതായത്, ഫോൺമെ സീക്വൻസുകൾ) സഹിതം. അവർ ആയിരിക്കണം
വഴി പരിവർത്തനം ചെയ്തു mkdfa(1) ഒരു ഡിറ്റർമിനിസ്റ്റിക് ഫിനിറ്റ് ഓട്ടോമാറ്റൺ ഫയലിലേക്കും (.dfa) എ
നിഘണ്ടു ഫയൽ (.dict), യഥാക്രമം. നിങ്ങൾക്ക് ഒന്നിലധികം വ്യാകരണങ്ങളും ഉപയോഗിക്കാം.

ഭാഷ മാതൃക: ഒറ്റപ്പെട്ട വാക്ക്
പദ നിഘണ്ടു മാത്രം ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഒറ്റപ്പെട്ട പദ തിരിച്ചറിയൽ നടത്താം. ഇതിനോടൊപ്പം
മോഡൽ തരം, സ്റ്റാറ്റിക് സന്ദർഭത്തിൽ ജൂലിയസ് ദ്രുതഗതിയിലുള്ള ഒരു പാസ് തിരിച്ചറിയൽ നടത്തും
കൈകാര്യം ചെയ്യുന്നു. ഓരോ വാക്കിന്റെയും തലയിലും വാലും സൈലൻസ് മോഡലുകൾ ചേർക്കും. നിങ്ങൾക്ക് കഴിയും
ഒരു പ്രക്രിയയിൽ ഒന്നിലധികം നിഘണ്ടുക്കളും ഉപയോഗിക്കുക.

തിരയൽ അൽഗോരിതം
ന്റെ തിരിച്ചറിയൽ അൽഗോരിതം ജൂലിയസ് രണ്ട്-പാസ് തന്ത്രത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. വാക്ക് 2-ഗ്രാമും വിപരീതവും
അതാത് പാസുകളിൽ 3-ഗ്രാം എന്ന വാക്ക് ഉപയോഗിക്കുന്നു. മുഴുവൻ ഇൻപുട്ടും ആദ്യത്തേതിൽ പ്രോസസ്സ് ചെയ്യുന്നു
പാസ്സാക്കി, വീണ്ടും ഇൻപുട്ടിനായി അന്തിമ തിരയൽ പ്രക്രിയ വീണ്ടും നടത്തുന്നു, ഉപയോഗിച്ച്
തിരയൽ ഇടം ചുരുക്കുന്നതിനുള്ള ആദ്യ പാസിന്റെ ഫലം. പ്രത്യേകിച്ചും, അംഗീകാരം
ഇടത്തുനിന്നും വലത്തോട്ടും സംയോജിപ്പിച്ച് ട്രീ-ട്രെല്ലിസ് ഹ്യൂറിസ്റ്റിക് തിരയലിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് അൽഗോരിതം
ഫ്രെയിം-സിൻക്രണസ് ബീം സെർച്ചും വലത്തുനിന്നും ഇടത്തേക്കുള്ള സ്റ്റാക്ക് ഡീകോഡിംഗ് തിരയലും.

സന്ദർഭാധിഷ്ഠിത ഫോണുകൾ (ട്രിഫോണുകൾ) ഉപയോഗിക്കുമ്പോൾ, ഇന്റർവേഡ് സന്ദർഭങ്ങൾ എടുക്കുന്നു
പരിഗണന. ടൈഡ്-മിക്‌സ്ചർ, ഫൊണറ്റിക് ടൈഡ്-മിക്‌സ്ചർ മോഡലുകൾക്ക്, ഹൈ-സ്പീഡ് അക്കോസ്റ്റിക്
ഗോസിയൻ അരിവാൾ ഉപയോഗിച്ച് സാധ്യത കണക്കുകൂട്ടൽ സാധ്യമാണ്.

കൂടുതൽ വിവരങ്ങൾക്ക്, അനുബന്ധ രേഖകൾ കാണുക.

ഓപ്ഷനുകൾ

ഈ ഓപ്ഷനുകൾ മോഡലുകൾ, സിസ്റ്റം പെരുമാറ്റങ്ങൾ, വിവിധ തിരയൽ പാരാമീറ്ററുകൾ എന്നിവ വ്യക്തമാക്കുന്നു
ജൂലിയസ്. ഈ ഓപ്‌ഷൻ കമാൻഡ് ലൈനിൽ സജ്ജമാക്കാൻ കഴിയും, എന്നാൽ നിങ്ങൾ എഴുതാൻ ശുപാർശ ചെയ്യുന്നു
അവ ഒരു ടെക്‌സ്‌റ്റ് ഫയലിൽ "jconf ഫയൽ" ആയി, "-C" ഓപ്ഷൻ ഉപയോഗിച്ച് വ്യക്തമാക്കുക.

ജൂലിയസ് ലിബ് ഉൾപ്പെടുന്ന ആപ്ലിക്കേഷനുകളും കോറിന്റെ പാരാമീറ്ററുകൾ സജ്ജീകരിക്കുന്നതിന് ഈ ഓപ്ഷനുകൾ ഉപയോഗിക്കുന്നു
തിരിച്ചറിയൽ എഞ്ചിൻ. ഉദാഹരണത്തിന്, ഒരു jconf ഫയൽ വിളിക്കുന്നതിലൂടെ enine-ലേക്ക് ലോഡ് ചെയ്യാൻ കഴിയും
j_config_load_file_new() jconf ഫയലിന്റെ പേര് ആർഗ്യുമെന്റായി.

ഒരു jconf ഫയലിലെ ആപേക്ഷിക പാതകൾ jconf ഫയലുമായി ബന്ധപ്പെട്ടതായിരിക്കണം എന്നത് ശ്രദ്ധിക്കുക
തന്നെ, നിലവിലെ പ്രവർത്തിക്കുന്ന ഡയറക്ടറി അല്ല.

ഗ്രൂപ്പ് പ്രകാരം ശേഖരിച്ച എല്ലാ ഓപ്ഷനുകളുടെയും വിശദാംശങ്ങൾ ചുവടെയുണ്ട്.

ജൂലിയസ് അപേക്ഷ ഓപ്ഷൻ
ജൂലിയസ് ലിബിന് പുറത്തുള്ള ജൂലിയസിന്റെ ആപ്ലിക്കേഷൻ ഓപ്ഷനുകളാണിത്. അതിൽ പരാമീറ്ററുകളും അടങ്ങിയിരിക്കുന്നു
റിസൾട്ട് ഔട്ട്‌പുട്ട്, ക്യാരക്ടർ സെറ്റ് കൺവേർഷൻ, ലോഗ് ലെവൽ, മൊഡ്യൂൾ മോഡ് ഓപ്ഷനുകൾ എന്നിവയ്‌ക്കായുള്ള സ്വിച്ചുകൾ.
ഈ ഓപ്‌ഷൻ ജൂലിയസിന് മാത്രമുള്ളതാണ്, ജൂലിയസ്‌ലിബ് ഉപയോഗിക്കുന്ന ആപ്ലിക്കേഷനുകളിൽ ഇത് ഉപയോഗിക്കാൻ കഴിയില്ല
ജൂലിയസ് ഒഴികെ.

- outfile
ഫയൽ ഇൻപുട്ടിൽ, ഈ ഓപ്‌ഷൻ ഓരോ ഫയലിന്റെയും തിരിച്ചറിയൽ ഫലം പ്രത്യേകമായി എഴുതുക
ഫയൽ. ഒരു ഇൻപുട്ട് ഫയലിന്റെ ഔട്ട്‌പുട്ട് ഫയൽ അതേ പേരായിരിക്കും എന്നാൽ പ്രത്യയം ആയിരിക്കും
".ഔട്ട്" എന്നാക്കി മാറ്റി. (rev.4.0)

-പ്രത്യേക സ്കോർ
ഭാഷയും ശബ്ദ സ്‌കോറുകളും വെവ്വേറെ ഔട്ട്‌പുട്ട് ചെയ്യുക.

-കോൾബാക്ക് ഡീബഗ്
ഡീബഗ്ഗിനായി ഓരോ കോളിലും കോൾബാക്ക് പേരുകൾ പ്രിന്റ് ചെയ്യുക. (rev.4.0)

-charconv നിന്ന് ലേക്ക്
പ്രതീക സെറ്റ് പരിവർത്തനം ഉപയോഗിച്ച് പ്രിന്റ് ചെയ്യുക. നിന്ന് എന്നതിൽ ഉപയോഗിച്ചിരിക്കുന്ന ഉറവിട പ്രതീക ഗണമാണ്
ഭാഷാ മാതൃക, ഒപ്പം ലേക്ക് നിങ്ങൾ നേടാൻ ആഗ്രഹിക്കുന്ന ടാർഗെറ്റ് പ്രതീക സെറ്റ് ആണ്.

Linux-ൽ, ആർഗ്യുമെന്റുകൾ ഒരു കോഡ് നാമമായിരിക്കണം. ലഭ്യമായവയുടെ ലിസ്റ്റ് നിങ്ങൾക്ക് ലഭിക്കും
"iconv --list" എന്ന കമാൻഡ് ഉപയോഗിച്ച് കോഡ് നാമങ്ങൾ. വിൻഡോസിൽ, വാദങ്ങൾ ആയിരിക്കണം
ഒരു കോഡ് നാമം അല്ലെങ്കിൽ കോഡ്പേജ് നമ്പർ. കോഡ് നാമം "ansi", "mac", "oem" എന്നിവയിലൊന്നായിരിക്കണം,
"utf-7", "utf-8", "sjis", "euc". അല്ലെങ്കിൽ പിന്തുണയ്ക്കുന്ന ഏതെങ്കിലും കോഡ്പേജ് നമ്പർ നിങ്ങൾക്ക് വ്യക്തമാക്കാം
നിങ്ങളുടെ പരിസ്ഥിതി.

-നോചാർകോൺവ്
പ്രതീക പരിവർത്തനം പ്രവർത്തനരഹിതമാക്കുക.

- മൊഡ്യൂൾ [പോർട്ട്]
"സെർവർ മൊഡ്യൂൾ മോഡിൽ" ജൂലിയസ് പ്രവർത്തിപ്പിക്കുക. സ്റ്റാർട്ടപ്പിന് ശേഷം, ജൂലിയസ് ടിസിപി/ഐപി കണക്ഷനായി കാത്തിരിക്കുന്നു
ക്ലയന്റിൽ നിന്ന്. കണക്ഷൻ സ്ഥാപിച്ചുകഴിഞ്ഞാൽ, ജൂലിയസ് ക്ലയന്റുമായി ആശയവിനിമയം ആരംഭിക്കുന്നു
ക്ലയന്റിൽ നിന്നുള്ള ഇൻകമിംഗ് കമാൻഡുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന്, അല്ലെങ്കിൽ ഔട്ട്പുട്ട് തിരിച്ചറിയൽ ഫലങ്ങൾ, ഇൻപുട്ട്
ക്ലയന്റിലേക്ക് വിവരങ്ങളും മറ്റ് സിസ്റ്റം സ്റ്റാറ്റസും ട്രിഗർ ചെയ്യുക. സ്ഥിരസ്ഥിതി പോർട്ട് നമ്പർ ആണ്
10500.

- റെക്കോർഡ് മുതലാളി
എല്ലാ ഇൻപുട്ട് സംഭാഷണ ഡാറ്റയും നിർദ്ദിഷ്ട ഡയറക്‌ടറിയിലേക്ക് സ്വയമേവ സംരക്ഷിക്കുക. ഓരോ സെഗ്മെന്റഡ് ഇൻപുട്ടുകളും
ഓരോന്നും ഓരോന്നായി രേഖപ്പെടുത്തി. റെക്കോർഡ് ചെയ്ത ഡാറ്റയുടെ ഫയൽ നാമം സിസ്റ്റം സമയം മുതൽ ജനറേറ്റ് ചെയ്യപ്പെടുന്നു
ഇൻപുട്ട് അവസാനിക്കുമ്പോൾ, YYYY.MMDD.HHMMSS.wav എന്ന ശൈലിയിൽ. ഫയൽ ഫോർമാറ്റ് 16ബിറ്റ് മോണോറൽ ആണ്
WAV. mfcfile ഇൻപുട്ടിന് അസാധുവാണ്.

ഇൻപുട്ട് തിരസ്കരണത്തോടെ -കുറച്ച് നിരസിക്കുക, നിരസിച്ച ഇൻപുട്ടും രേഖപ്പെടുത്തപ്പെടും
അവർ നിരസിക്കപ്പെട്ടു.

-ലോഗ് ഫയൽ ഫയല്
സ്റ്റാൻഡേർഡ് ഔട്ട്‌പുട്ടിന് പകരം എല്ലാ ലോഗ് ഔട്ട്‌പുട്ടും ഒരു ഫയലിലേക്ക് സംരക്ഷിക്കുക. (റവ. 4.0)

-നോലോഗ്
എല്ലാ ലോഗ് ഔട്ട്പുട്ടും പ്രവർത്തനരഹിതമാക്കുക. (റവ. 4.0)

-ഹെൽപ്പ്
സഹായ സന്ദേശം ഔട്ട്പുട്ട് ചെയ്ത് പുറത്തുകടക്കുക.

ആഗോള ഓപ്ഷനുകൾ
ഓഡിയോ ഇൻപുട്ട്, ശബ്‌ദ കണ്ടെത്തൽ, GMM, എന്നിവയുമായി ബന്ധപ്പെട്ട മോഡൽ-/തിരയൽ-ആശ്രിത ഓപ്ഷനുകൾ ഇവയാണ്.
ഡീകോഡിംഗ് അൽഗോരിതം, പ്ലഗിൻ സൗകര്യം, മറ്റുള്ളവ. ആഗോള ഓപ്ഷനുകൾ മുമ്പ് സ്ഥാപിക്കണം
ഏതെങ്കിലും ഉദാഹരണ പ്രഖ്യാപനം (-എ.എം, -എൽ.എം, അഥവാ -എസ്.ആർ), അല്ലെങ്കിൽ അതിന് ശേഷം "-ഗ്ലോബൽ"ഓപ്ഷൻ.

ഓഡിയോ ഇൻപുട്ട്
-ഇൻപുട്ട് {mic|rawfile|mfcfile|adinnet|stdin|netaudio|alsa|oss|esd}
സംഭാഷണ ഇൻപുട്ട് ഉറവിടം തിരഞ്ഞെടുക്കുക. വേവ്ഫോം ഫയലിനായി 'ഫയൽ' അല്ലെങ്കിൽ 'റോഫയൽ' വ്യക്തമാക്കുക,
HTK പാരാമീറ്റർ ഫയലിനായുള്ള 'htkparam' അല്ലെങ്കിൽ 'mfcfile'. ഫയൽ ഇൻപുട്ടിൽ, ഉപയോക്താക്കൾ ആയിരിക്കും
stdin-ൽ നിന്ന് ഫയലിന്റെ പേര് നൽകാൻ ആവശ്യപ്പെടുന്നു, അല്ലെങ്കിൽ നിങ്ങൾക്ക് ഉപയോഗിക്കാം -ഫയലിസ്റ്റ് ഓപ്ഷൻ
പ്രോസസ്സ് ചെയ്യേണ്ട ഫയലുകളുടെ ലിസ്റ്റ് വ്യക്തമാക്കുക.

'mic' എന്നത് ഒരു ഡിഫോൾട്ട് ലൈവ് മൈക്രോഫോൺ ഉപകരണത്തിൽ നിന്നും 'adinnet'-ൽ നിന്നും ഓഡിയോ ഇൻപുട്ട് ലഭിക്കുന്നതാണ്.
ഒരു adinnet ക്ലയന്റിൽനിന്ന് tcpip നെറ്റ്‌വർക്ക് വഴി വേവ്ഫോം ഡാറ്റ സ്വീകരിക്കുക എന്നാണ് അർത്ഥമാക്കുന്നത്.
'netaudio' എന്നത് DatLink/NetAudio ഇൻപുട്ടിൽ നിന്നുള്ളതാണ്, 'stdin' എന്നാൽ ഡാറ്റ ഇൻപുട്ട്
സ്റ്റാൻഡേർഡ് ഇൻപുട്ട്.

വേവ്ഫോം ഫയൽ ഇൻപുട്ടിന്, WAV (കംപ്രഷൻ ഇല്ല), RAW (നോഹെഡർ, 16ബിറ്റ്, വലുത്) എന്നിവ മാത്രം
endian) സ്ഥിരസ്ഥിതിയായി പിന്തുണയ്ക്കുന്നു. ഉപയോഗിച്ച് കംപൈൽ ചെയ്യുമ്പോൾ മറ്റ് ഫോർമാറ്റുകൾ വായിക്കാൻ കഴിയും
libsnd ലൈബ്രറി. യഥാർത്ഥത്തിൽ പിന്തുണയ്ക്കുന്ന ഫോർമാറ്റ് കാണുന്നതിന്, സഹായ സന്ദേശം കാണുക
ഓപ്ഷൻ ഉപയോഗിക്കുന്നു -ഹെൽപ്പ്. stdin ഇൻപുട്ടിനായി, WAV, RAW എന്നിവ മാത്രമേ പിന്തുണയ്ക്കൂ. (സ്ഥിരസ്ഥിതി:
mfcfile)

Linux-ൽ, alsa, oss, esd എന്നിവ വ്യക്തമാക്കിയുകൊണ്ട് നിങ്ങൾക്ക് റൺ ടൈമിൽ API തിരഞ്ഞെടുക്കാം.

-ചങ്ക്_വലിപ്പം സാമ്പിളുകൾ
സാമ്പിളുകളുടെ എണ്ണത്തിൽ ഓഡിയോ ശകലത്തിന്റെ വലുപ്പം. (സ്ഥിരസ്ഥിതി: 1000)

-ഫയലിസ്റ്റ് ഫയലിന്റെ പേര്
(കൂടെ -ഇൻപുട്ട് rawfile|mfcfile) ൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന എല്ലാ ഫയലുകളിലും തിരിച്ചറിയൽ നടത്തുക
ഫയൽ. ഫയലിൽ ഓരോ വരിയിലും ഇൻപുട്ട് ഫയൽ അടങ്ങിയിരിക്കണം. എല്ലാം കഴിയുമ്പോൾ എഞ്ചിൻ അവസാനിക്കും
ഫയലുകൾ പ്രോസസ്സ് ചെയ്യുന്നു.

-നോട്ടൈപ്പ് ചെക്ക്
ഡിഫോൾട്ടായി, ജൂലിയസ് ഇൻപുട്ട് പാരാമീറ്റർ തരം AM-മായി പൊരുത്തപ്പെടുന്നുണ്ടോ എന്ന് പരിശോധിക്കുന്നു
അല്ല. ഈ ഓപ്‌ഷൻ ചെക്ക് പ്രവർത്തനരഹിതമാക്കുകയും ഇൻപുട്ട് വെക്റ്റർ ഉപയോഗിക്കുന്നതിന് എഞ്ചിൻ നിർബന്ധിക്കുകയും ചെയ്യും
അതു പൊലെ.

-48
48kHz സാമ്പിൾ ഉപയോഗിച്ച് ഇൻപുട്ട് റെക്കോർഡ് ചെയ്യുക, അത് 16kHz-ലേക്ക് ഡൗൺ-സാമ്പിൾ ചെയ്യുക. ഈ
ഓപ്ഷൻ 16kHz മോഡലിന് മാത്രമേ സാധുതയുള്ളൂ. ഡൗൺ-സാംപ്ലിംഗ് ദിനചര്യ പോർട്ട് ചെയ്തു
sptk. (വെളി. 4.0)

-എൻ.എ ഉപകരണത്തിന്റെ പേര്
DatLink സെർവർ ഇൻപുട്ടിനുള്ള ഹോസ്റ്റ് നാമം (-ഇൻപുട്ട് netaudio).

-അഡ്പോർട്ട് പോർട്ട്_നമ്പർ
കൂടെ -ഇൻപുട്ട് അഡിനെറ്റ്, കേൾക്കാൻ adinnet പോർട്ട് നമ്പർ വ്യക്തമാക്കുക. (സ്ഥിരസ്ഥിതി: 5530)

-നാസ്‌ട്രിപ്പ്
ഇൻപുട്ട് സംഭാഷണ ഡാറ്റയിലെ തുടർച്ചയായ പൂജ്യം സാമ്പിളുകൾ ഡിഫോൾട്ടായി ജൂലിയസ് നീക്കം ചെയ്യുന്നു. ഈ
ഓപ്ഷൻ നീക്കം ചെയ്യുന്നത് തടയുന്നു.

-zmean , -നോസ്മിയൻ
ഈ ഓപ്‌ഷൻ ഇൻപുട്ട് തരംഗരൂപത്തിന്റെ DC ഓഫ്‌സെറ്റ് നീക്കംചെയ്യൽ പ്രവർത്തനക്ഷമമാക്കുന്നു/അപ്രാപ്‌തമാക്കുന്നു. ഓഫ്സെറ്റ് ആയിരിക്കും
മുഴുവൻ ഇൻപുട്ടിൽ നിന്നും കണക്കാക്കുന്നു. മൈക്രോഫോൺ / നെറ്റ്‌വർക്ക് ഇൻപുട്ടിന്, പൂജ്യം ശരാശരി
ആദ്യത്തെ 48000 സാമ്പിളുകൾ (3kHz സാമ്പിളിൽ 16 സെക്കൻഡ്) ഇതിനായി ഉപയോഗിക്കും.
എസ്റ്റിമേഷൻ. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

ഈ ഓപ്‌ഷൻ ചാനലിനായി സ്റ്റാറ്റിക് ഓഫ്‌സെറ്റ് ഉപയോഗിക്കുന്നു. ഇതും കാണുക -zmeansource വേണ്ടി
ഫ്രെയിം തിരിച്ചുള്ള ഓഫ്‌സെറ്റ് നീക്കംചെയ്യൽ.

സംസാരം കണ്ടെത്തൽ by ലെവൽ ഒപ്പം സീറോ-ക്രോസ്
- നിശബ്ദത , - നിശബ്ദത
ലെവലും സീറോ ക്രോസും ഉപയോഗിച്ച് സംഭാഷണം കണ്ടെത്തൽ ഓൺ / ഓഫ് ചെയ്യുക. ഡിഫോൾട്ട് ഓണാണ്
മൈക്ക് / അഡിനെറ്റ് ഇൻപുട്ട്, ഫയലുകൾക്ക് ഓഫ്.

-എൽവി മൂന്ന്
സംഭാഷണ ഇൻപുട്ട് കണ്ടെത്തലിനുള്ള ലെവൽ ത്രെഷോൾഡ്. മൂല്യങ്ങൾ 0 മുതൽ പരിധിയിലായിരിക്കണം
32767. (സ്ഥിരസ്ഥിതി: 2000)

-zc മൂന്ന്
സെക്കന്റിൽ സീറോ ക്രോസിംഗ് ത്രെഷോൾഡ്. ലെവലിന് മുകളിലുള്ള ഇൻപുട്ട് മാത്രം
പരിധി (-എൽവി) കണക്കാക്കും. (സ്ഥിരസ്ഥിതി: 60)

- ഹെഡ്മാർജിൻ msec
മില്ലിസെക്കൻഡിൽ സംഭാഷണ സെഗ്‌മെന്റിന്റെ തുടക്കത്തിൽ സൈലൻസ് മാർജിൻ. (സ്ഥിരസ്ഥിതി: 300)

-ടെയിൽമാർജിൻ msec
മില്ലിസെക്കൻഡിൽ സംഭാഷണ വിഭാഗത്തിന്റെ അവസാനത്തിൽ സൈലൻസ് മാർജിൻ. (സ്ഥിരസ്ഥിതി: 400)

ഇൻപുട്ട് തിരസ്കരണം
ഇൻപുട്ട് ദൈർഘ്യത്തെ അടിസ്ഥാനമാക്കി രണ്ട് ലളിതമായ ഫ്രണ്ട്-എൻഡ് ഇൻപുട്ട് നിരസിക്കൽ രീതികൾ നടപ്പിലാക്കുന്നു
കണ്ടെത്തിയ വിഭാഗത്തിന്റെ ശരാശരി ശക്തിയും. ശരാശരി ശക്തിയുടെ നിരസിക്കൽ ആണ്
പരീക്ഷണാത്മകവും, സമാഹാരത്തിൽ --enable-power-reject വഴി പ്രവർത്തനക്ഷമമാക്കാനും കഴിയും. സാധുതയുള്ളത്
പവർ കോഫിഫിഷ്യന്റും തത്സമയ ഇൻപുട്ടും മാത്രമുള്ള MFCC ഫീച്ചർ.

GMM അടിസ്ഥാനമാക്കിയുള്ള ഇൻപുട്ട് നിരസിക്കലിന് താഴെയുള്ള GMM വിഭാഗം കാണുക.

-കുറച്ച് നിരസിക്കുക msec
നിർദ്ദിഷ്ട മില്ലിസെക്കൻഡുകളേക്കാൾ കുറഞ്ഞ ഇൻപുട്ട് നിരസിക്കുക. തിരയൽ അവസാനിപ്പിക്കുകയും ചെയ്യും
ഒരു ഫലവും ഔട്ട്പുട്ട് ആകില്ല.

-പവർത്രെസ് മൂന്ന്
ഇൻപുട്ട് ചെയ്ത സെഗ്മെന്റിനെ അതിന്റെ ശരാശരി ഊർജ്ജം കൊണ്ട് നിരസിക്കുക. ന്റെ ശരാശരി ഊർജ്ജമാണെങ്കിൽ
അവസാനം തിരിച്ചറിഞ്ഞ ഇൻപുട്ട് പരിധിക്ക് താഴെയാണ്, ജൂലിയസ് ഇൻപുട്ട് നിരസിക്കും.
(റവ. 4.0)

സമാഹാരത്തിൽ --enable-power-reject വ്യക്തമാക്കുമ്പോൾ ഈ ഓപ്ഷൻ സാധുവാണ്
സമയം.

ഗോഷ്യൻ മിശ്രിതം മാതൃക / GMM-VAD
സഞ്ചിത സ്‌കോർ മുഖേനയുള്ള ഇൻപുട്ട് നിരസിക്കലിനോ ഫ്രണ്ട്-എൻഡിനോ GMM ഉപയോഗിക്കും
--enable-gmm-vad വ്യക്തമാക്കുമ്പോൾ GMM അടിസ്ഥാനമാക്കിയുള്ള VAD.

ശ്രദ്ധിക്കുക: GMM-ന് ആവശ്യമായ ശരിയായ MFCC പാരാമീറ്ററുകളും നിങ്ങൾ സജ്ജീകരിക്കണം,
AM വിഭാഗത്തിൽ വിവരിച്ചിരിക്കുന്ന അക്കോസ്റ്റിക് പാരാമീറ്ററുകൾ വ്യക്തമാക്കുന്നു -AM_GMM.

GMM അടിസ്ഥാനമാക്കിയുള്ള VAD പ്രവർത്തനക്ഷമമാക്കുമ്പോൾ, ഓരോന്നിലും വോയ്‌സ് ആക്‌റ്റിവിറ്റി സ്‌കോർ കണക്കാക്കും
ഫ്രണ്ട്-എൻഡ് പ്രോസസ്സിംഗ് ആയി ഫ്രെയിം. മൂല്യം \[ \max_{m \in M_v} ആയി കണക്കാക്കും
p(x|m) - \max_{m \in M_n} p(x|m) \] ഇവിടെ $M_v$ എന്നത് ഒരു കൂട്ടം വോയിസ് GMM ആണ്, കൂടാതെ $M_n$ ആണ്
ഒരു കൂട്ടം നോയിസ് GMM അതിന്റെ പേരുകൾ വ്യക്തമാക്കണം -gmmreject. പ്രവർത്തനം
N നിർവചിച്ചിരിക്കുന്ന അവസാന N ഫ്രെയിമുകൾക്ക് സ്കോർ പിന്നീട് ശരാശരി ആയിരിക്കും
-gmmmargin. ജൂലിയസ് ഓരോ ഫ്രെയിമിലും ശരാശരി ആക്റ്റിവിറ്റി സ്കോർ അപ്ഡേറ്റ് ചെയ്യുകയും കണ്ടെത്തുകയും ചെയ്യുന്നു
വ്യക്തമാക്കിയ മൂല്യത്തേക്കാൾ മൂല്യം ഉയർന്നപ്പോൾ സംഭാഷണം ഉയർത്തുന്നു -gmmup, ഒപ്പം
ഒരു മൂല്യത്തേക്കാൾ താഴെയാകുമ്പോൾ ഡൗൺ-ട്രിഗർ കണ്ടുപിടിക്കുക -ജിഎംഎംഡൗൺ.

-ഗ്രാം hmmdefs_file
HTK ഫോർമാറ്റിലുള്ള GMM ഡെഫനിഷൻ ഫയൽ. വ്യക്തമാക്കിയിട്ടുണ്ടെങ്കിൽ, GMM അടിസ്ഥാനമാക്കിയുള്ള ഇൻപുട്ട് പരിശോധന
ഒന്നാം പാസിനൊപ്പം ഒരേസമയം നടപ്പിലാക്കും, നിങ്ങൾക്ക് ഇൻപുട്ട് നിരസിക്കാം
വ്യക്തമാക്കിയ ഫലം അനുസരിച്ച് -gmmreject. GMM എന്ന് നിർവചിക്കേണ്ടതാണ്
ഒരു-സംസ്ഥാന HMM-കൾ.

-gmmnum അക്കം
GMM കണക്കുകൂട്ടലിൽ ഓരോ ഫ്രെയിമിലും കണക്കാക്കേണ്ട ഗൗസിയൻ ഘടകങ്ങളുടെ എണ്ണം. മാത്രം
ദ്രുത കണക്കുകൂട്ടലിനായി N-മികച്ച ഗൗസിയൻമാരെ കണക്കാക്കും. സ്ഥിരസ്ഥിതി 10 ആണ്
ചെറിയ മൂല്യം വ്യക്തമാക്കുന്നത് GMM കണക്കുകൂട്ടൽ വേഗത്തിലാക്കും, എന്നാൽ വളരെ ചെറിയ മൂല്യം
(1 അല്ലെങ്കിൽ 2) തിരിച്ചറിയൽ പ്രകടനത്തിന്റെ അപചയത്തിന് കാരണമായേക്കാം.

-gmmreject സ്ട്രിംഗ്
അസാധുവായ ഇൻപുട്ടായി നിരസിക്കേണ്ട GMM പേരുകളുടെ കോമയാൽ വേർതിരിച്ച ലിസ്റ്റ്. എപ്പോൾ
തിരിച്ചറിയൽ, മുഴുവൻ ഇൻപുട്ടിനുമായി ശേഖരിക്കപ്പെട്ട GMM-കളുടെ ലോഗ് സാധ്യതകൾ
ഒന്നാം പാസിനൊപ്പം ഒരേസമയം കണക്കാക്കണം. പരമാവധി സ്‌കോറിന്റെ GMM പേരാണെങ്കിൽ
ഈ സ്ട്രിംഗിനുള്ളിൽ ആണ്, രണ്ടാമത്തെ പാസ് എക്സിക്യൂട്ട് ചെയ്യില്ല, ഇൻപുട്ട് ആയിരിക്കും
നിരസിച്ചു.

-gmmmargin ഫ്രെയിമുകൾ
(GMM_VAD) ഫ്രെയിമുകളിൽ ഹെഡ് മാർജിൻ. GMM ഒരു സംഭാഷണ ട്രിഗർ കണ്ടെത്തുമ്പോൾ,
ഈ മൂല്യം മൈനസ് നിലവിലെ ഫ്രെയിമിൽ നിന്ന് തിരിച്ചറിയൽ ആരംഭിക്കും. (റവ. 4.0)

--enable-gmm-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്താൽ മാത്രമേ ഈ ഓപ്ഷൻ സാധുവാകൂ.

-gmmup മൂല്യം
(GMM_VAD) വോയ്‌സ് ആക്‌റ്റിവിറ്റി സ്‌കോറിന്റെ അപ്പ് ട്രിഗർ ത്രെഷോൾഡ്. (വെളി.4.1)

--enable-gmm-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്താൽ മാത്രമേ ഈ ഓപ്ഷൻ സാധുവാകൂ.

-ജിഎംഎംഡൗൺ മൂല്യം
(GMM_VAD) വോയ്‌സ് ആക്‌റ്റിവിറ്റി സ്‌കോറിന്റെ ഡൗൺ ട്രിഗർ ത്രെഷോൾഡ്. (വെളി.4.1)

--enable-gmm-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്താൽ മാത്രമേ ഈ ഓപ്ഷൻ സാധുവാകൂ.

ഡീകോഡിംഗ് ഓപ്ഷൻ
തത്സമയ പ്രോസസ്സിംഗ് എന്നാൽ MFCC കംപ്യൂട്ടേഷൻ 1st പാസിന്റെ സമാന്തര പ്രോസസ്സിംഗ് എന്നാണ് അർത്ഥമാക്കുന്നത്
ഡീകോഡിംഗ്. സ്ഥിരസ്ഥിതിയായി, മൈക്രോഫോണിനായി പാസിലെ തത്സമയ പ്രോസസ്സിംഗ് ഓണാണ് /
adinnet / netaudio ഇൻപുട്ട്, കൂടാതെ മറ്റുള്ളവർക്ക്.

-തൽസമയം , - നോറിയൽ ടൈം
ആദ്യ പാസിൽ തത്സമയ (പൈപ്പ്-ലൈൻ) പ്രോസസ്സിംഗ് ഓൺ / ഓഫ് ചെയ്യുക.
ഫയൽ ഇൻപുട്ടിന് ഡിഫോൾട്ട് ഓഫാണ്, മൈക്രോഫോൺ, അഡിനെറ്റ്, NetAudio എന്നിവയ്‌ക്ക് ഓണാണ്
ഇൻപുട്ട്. ഈ ഓപ്ഷൻ CMN, എനർജി നോർമലൈസേഷൻ നടത്തുന്ന രീതിയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു:
ഓഫാണെങ്കിൽ, മുഴുവൻ ഇൻപുട്ടിന്റെയും ശരാശരി സവിശേഷതകൾ ഉപയോഗിച്ച് അവ ചെയ്യപ്പെടും. ഓണാണെങ്കിൽ, MAP-CMN
തത്സമയ പ്രോസസ്സിംഗ് നടത്തുന്നതിന് ഊർജ്ജ നോർമലൈസേഷനും.

പലവക. ഓപ്ഷനുകൾ
-C jconfle
ഇവിടെ ഒരു jconf ഫയൽ ലോഡ് ചെയ്യുക. jconffile-ന്റെ ഉള്ളടക്കം ഇതിൽ വിപുലീകരിക്കും
പോയിന്റ്.

-പതിപ്പ്
സ്റ്റാൻഡേർഡ് പിശകിലേക്ക് പതിപ്പ് വിവരങ്ങൾ പ്രിന്റ് ചെയ്ത് പുറത്തുകടക്കുക.

-ക്രമീകരണം
സ്റ്റാൻഡേർഡ് പിശകിലേക്ക് എഞ്ചിൻ ക്രമീകരണ വിവരങ്ങൾ പ്രിന്റ് ചെയ്ത് പുറത്തുകടക്കുക.

- നിശബ്ദം
ഔട്ട്പുട്ട് കുറവ് ലോഗ്. ഫലത്തിനായി, മികച്ച പദ ക്രമം മാത്രമേ അച്ചടിക്കുകയുള്ളൂ.

- ഡീബഗ്
(ഡീബഗ്ഗിനായി) ലോഗിൻ ചെയ്യുന്നതിനായി വലിയ ആന്തരിക സന്ദേശവും ഡീബഗ് വിവരങ്ങളും ഔട്ട്‌പുട്ട് ചെയ്യുന്നു.

-ചെക്ക് {wchmm|ട്രെല്ലിസ്|ട്രിഫോൺ}
ഡീബഗ്ഗിനായി, ഇന്ററാക്ടീവ് ചെക്ക് മോഡ് നൽകുക.

-പ്ലഗിൻഡിർ dirlist
പ്ലഗിൻ ലോഡുചെയ്യാൻ ഡയറക്ടറി വ്യക്തമാക്കുക. നിരവധി നിർദ്ദേശങ്ങൾ നിലവിലുണ്ടെങ്കിൽ, അവ പ്രകാരം വ്യക്തമാക്കുക
കോളൻ-വേർതിരിക്കപ്പെട്ട പട്ടിക.

ഉദാഹരണം പ്രഖ്യാപനം വേണ്ടി ഒന്നിലധികം ഡീകോഡിംഗ്
ഇനിപ്പറയുന്ന ആർഗ്യുമെന്റുകൾ ഡിഫോൾട്ട് പാരാമീറ്ററുകൾക്കൊപ്പം ഒരു പുതിയ കോൺഫിഗറേഷൻ സെറ്റ് സൃഷ്ടിക്കും
കറന്റ് സെറ്റ് അതിലേക്ക് മാറ്റുക. ഓപ്ഷന് ശേഷം വ്യക്തമാക്കിയ Jconf പാരാമീറ്ററുകൾ ഇതിലേക്ക് സജ്ജമാക്കും
നിലവിലെ സെറ്റ്.

മൾട്ടി മോഡൽ ഡീകോഡിംഗ് ചെയ്യുന്നതിന്, ഈ ആർഗ്യുമെന്റ് ഓരോ മോഡലിന്റെയും ആദ്യഭാഗത്ത് വ്യക്തമാക്കണം
/ വ്യത്യസ്ത പേരുകളുള്ള സംഭവങ്ങൾ തിരയുക. ആദ്യ ഉദാഹരണ നിർവചനത്തിന് മുമ്പുള്ള ഏതെങ്കിലും ഓപ്ഷനുകൾ
അവഗണിക്കപ്പെടും.

ഒരു ഉദാഹരണ നിർവചനവും കണ്ടെത്താനാകാത്തപ്പോൾ (ജൂലിയസിന്റെ പഴയ പതിപ്പായി), എല്ലാ ഓപ്ഷനുകളും
_default എന്ന് പേരുള്ള ഒരു ഡിഫോൾട്ട് സംഭവത്തിലേക്ക് അസൈൻ ചെയ്‌തു.

ഒരൊറ്റ LM-ഉം ഒന്നിലധികം AM-ഉം ഉള്ള ഡീകോഡിംഗ് പൂർണ്ണമായി പിന്തുണയ്ക്കുന്നില്ലെന്ന കാര്യം ശ്രദ്ധിക്കുക. വേണ്ടി
ഉദാഹരണത്തിന്, നിങ്ങൾക്ക് ഇനിപ്പറയുന്ന രീതിയിൽ jconf ഫയൽ നിർമ്മിക്കാൻ താൽപ്പര്യമുണ്ടാകാം.
LM പ്രോസസ്സിംഗിന്റെ ചില ഭാഗങ്ങൾ ആശ്രയിക്കുന്നതിനാൽ, ഇത്തരത്തിലുള്ള മോഡൽ പങ്കിടലിന് ഇതുവരെ പിന്തുണയില്ല
നിയുക്ത എ.എം. പകരം, ഓരോന്നിനും ഒരേ LM-കൾ നിർവചിക്കുന്നതിലൂടെ നിങ്ങൾക്ക് ഒരേ ഫലം ലഭിക്കും
AM, ഇതുപോലെ:

-എ.എം പേര്
ഒരു പുതിയ AM കോൺഫിഗറേഷൻ സെറ്റ് സൃഷ്‌ടിക്കുക, കറന്റ് പുതിയതിലേക്ക് മാറ്റുക. നിങ്ങൾ ഒരു നൽകണം
അതുല്യമായ പേര്. (റവ. 4.0)

-എൽ.എം പേര്
ഒരു പുതിയ എൽഎം കോൺഫിഗറേഷൻ സെറ്റ് സൃഷ്‌ടിക്കുക, കറന്റ് പുതിയതിലേക്ക് മാറ്റുക. നിങ്ങൾ ഒരു നൽകണം
അതുല്യമായ പേര്. (റവ. 4.0)

-എസ്.ആർ പേര് എന്റെ_പേര് lm_name
ഒരു പുതിയ തിരയൽ കോൺഫിഗറേഷൻ സെറ്റ് സൃഷ്‌ടിക്കുക, പുതിയതിലേക്ക് കറന്റ് മാറ്റുക. വ്യക്തമാക്കിയത്
എ.എം., എൽ.എം. എന്നിവരെ അതിന് നിയോഗിക്കും. ദി എന്റെ_പേര് ഒപ്പം lm_name പേരോ ഐഡിയോ ആകാം
നമ്പർ. നിങ്ങൾ ഒരു അദ്വിതീയ പേര് നൽകണം. (റവ. 4.0)

-AM_GMM
ഫ്രണ്ട്-എൻഡ് പ്രോസസ്സിംഗിനായി GMM ഉപയോഗിക്കുമ്പോൾ, നിങ്ങൾക്ക് GMM-നിർദ്ദിഷ്ട അക്കോസ്റ്റിക് വ്യക്തമാക്കാം
ഈ ഓപ്ഷന് ശേഷമുള്ള പാരാമീറ്ററുകൾ. നിങ്ങൾ വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ -AM_GMM ജിഎംഎമ്മിനൊപ്പം, ജിഎംഎം ചെയ്യും
കഴിഞ്ഞ AM-ലെ അതേ പാരാമീറ്റർ വെക്റ്റർ പങ്കിടുക. നിലവിലുള്ള AM എന്നതിലേക്ക് മാറും
GMM ഒന്ന്, അതിനാൽ സാധാരണ AM കോൺഫിഗറേഷനുകളുമായി ആശയക്കുഴപ്പത്തിലാകാതിരിക്കാൻ ശ്രദ്ധിക്കുക. (റവ. 4.0)

-ഗ്ലോബൽ
ഒരു ആഗോള വിഭാഗം ആരംഭിക്കുക. ഏതെങ്കിലും ഉദാഹരണത്തിന് മുമ്പായി ആഗോള ഓപ്ഷനുകൾ സ്ഥാപിക്കണം
ഡിക്ലറേഷൻ, അല്ലെങ്കിൽ ഈ ഓപ്ഷന് ശേഷം ഒന്നിലധികം മോഡൽ തിരിച്ചറിയൽ. ഇത് ഉപയോഗിക്കാം
ഒന്നിലധികം തവണ. (വെളി.4.1)

-മൂക്ക് പരിശോധന , -വിഭാഗം പരിശോധന
മൾട്ടി മോഡൽ ഡീകോഡിംഗിൽ ലൊക്കേഷൻ പരിശോധന പ്രവർത്തനരഹിതമാക്കുക / പ്രവർത്തനക്ഷമമാക്കുക. പ്രവർത്തനക്ഷമമാക്കുമ്പോൾ, ദി
ഇൻസ്‌റ്റൻസ് ഡിക്ലറേഷൻ തമ്മിലുള്ള ഓപ്‌ഷനുകൾ "സെക്ഷനുകൾ" ആയി കണക്കാക്കുന്നു, അതിൽ ഉൾപ്പെട്ടവ മാത്രം
ഓപ്ഷൻ തരങ്ങൾ എഴുതാം. ഉദാഹരണത്തിന്, ഒരു ഓപ്ഷൻ എപ്പോൾ -എ.എം വ്യക്തമാക്കിയിരിക്കുന്നു, AM മാത്രം
മറ്റ് ഡിക്ലറേഷൻ കണ്ടെത്തുന്നതുവരെ ബന്ധപ്പെട്ട ഓപ്ഷൻ ഓപ്ഷന് ശേഷം സ്ഥാപിക്കാവുന്നതാണ്. കൂടാതെ,
ഏതെങ്കിലും ഉദാഹരണ പ്രഖ്യാപനത്തിന് മുമ്പ് ആഗോള ഓപ്ഷനുകൾ മുകളിൽ സ്ഥാപിക്കണം. ഇതാണ്
സ്ഥിരസ്ഥിതിയായി പ്രവർത്തനക്ഷമമാക്കി. (വെളി.4.1)

ഭാഷ മാതൃക (-എൽഎം)
ഈ ഗ്രൂപ്പിൽ ഓരോ ഭാഷാ മോഡൽ തരത്തിന്റെയും മോഡൽ നിർവചനത്തിനുള്ള ഓപ്ഷനുകൾ അടങ്ങിയിരിക്കുന്നു. ഉപയോഗിക്കുമ്പോൾ
ഒന്നിലധികം LM, ഒരു സന്ദർഭത്തിന് ഒരു LM മാത്രമേ ഉണ്ടാകൂ.

ഒരു LM കോൺഫിഗറേഷനായി ഒരു തരം LM മാത്രമേ വ്യക്തമാക്കാൻ കഴിയൂ. നിങ്ങൾക്ക് ഒന്നിലധികം ഉപയോഗിക്കണമെങ്കിൽ
മോഡൽ, നിങ്ങൾ അവയെ ഒരു പുതിയ LM ആയി നിർവചിക്കണം.

എൻ-ഗ്രാം
-d ബിൻഗ്രാം_ഫയൽ
ബൈനറി ഫോർമാറ്റ് എൻ-ഗ്രാം ഉപയോഗിക്കുക. ഒരു ARPA N-gram ഫയൽ ജൂലിയസ് ബൈനറിയിലേക്ക് പരിവർത്തനം ചെയ്യാവുന്നതാണ്
mkbingram മുഖേനയുള്ള ഫോർമാറ്റ്.

-എൻഎൽആർ arpa_ngram_file
സ്റ്റാൻഡേർഡ് എആർപിഎ ഫോർമാറ്റിലുള്ള ഫോർവേഡ്, ഇടത്തുനിന്ന് വലത്തോട്ട് എൻ-ഗ്രാം ഭാഷാ മോഡൽ. എപ്പോൾ
ഫോർവേഡ് എൻ-ഗ്രാമും ബാക്ക്വേർഡ് എൻ-ഗ്രാമും വ്യക്തമാക്കുന്നു, ജൂലിയസ് ഇത് ഉപയോഗിക്കുന്നു
ഒന്നാം പാസിന് 2-ഗ്രാം മുന്നോട്ട്, രണ്ടാം പാസിന് പിന്നിലേക്ക് N-ഗ്രാം.

ARPA ഫയൽ പലപ്പോഴും വളരെ വലുതായതിനാൽ ലോഡുചെയ്യാൻ ധാരാളം സമയം ആവശ്യമായി വരാം
mkbingram വഴി ARPA ഫയൽ ജൂലിയസ് ബൈനറി ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതാണ് നല്ലത്. അതല്ല
തിരിച്ചറിയലിനായി മുന്നോട്ടും പിന്നോട്ടും എൻ-ഗ്രാം ഉപയോഗിക്കുകയാണെങ്കിൽ, അവ ഒരുമിച്ച് പ്രവർത്തിക്കും
ഒരൊറ്റ ബൈനറിയിലേക്ക് പരിവർത്തനം ചെയ്യപ്പെടും.

ഈ ഓപ്‌ഷൻ മുഖേന ഒരു ഫോർവേഡ് എൻ-ഗ്രാം മാത്രം വ്യക്തമാക്കുകയും പിന്നാക്ക എൻ-ഗ്രാം ഇല്ലാതിരിക്കുകയും ചെയ്യുമ്പോൾ
വ്യക്തമാക്കിയത് -nrl, ഫോർവേഡ് എൻ-ഗ്രാം ഉപയോഗിച്ച് മാത്രം ജൂലിയസ് തിരിച്ചറിയൽ നടത്തുന്നു. ദി
1-ആം പാസ്സ് നൽകിയിരിക്കുന്ന N-ഗ്രാമിലെ 2-ഗ്രാം എൻട്രി ഉപയോഗിക്കും, രണ്ടാമത്തെ പാസ്
ഫോർവേഡ് പ്രോബബിലിറ്റികൾ ബാക്ക്‌വേർഡിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിലൂടെ നൽകിയിരിക്കുന്ന എൻ-ഗ്രാം ഉപയോഗിക്കുക
ബയേസ് റൂളിന്റെ സാധ്യതകൾ. (റവ. 4.0)

-nrl arpa_ngram_file
സ്റ്റാൻഡേർഡ് ARPA ഫോർമാറ്റിലുള്ള പിന്നാക്ക, വലത്തുനിന്ന് ഇടത്തേക്ക് N-ഗ്രാം ഭാഷാ മോഡൽ. എപ്പോൾ
ഫോർവേഡ് എൻ-ഗ്രാമും ബാക്ക്‌വേർഡ് എൻ-ഗ്രാമും വ്യക്തമാക്കുന്നു, ജൂലിയസ് ഫോർവേഡ് ഉപയോഗിക്കുന്നു
ഒന്നാം പാസിന് 2-ഗ്രാം, രണ്ടാം പാസിന് ഈ പിന്നാക്ക എൻ-ഗ്രാം.

ARPA ഫയൽ പലപ്പോഴും വളരെ വലുതായതിനാൽ ലോഡുചെയ്യാൻ ധാരാളം സമയം ആവശ്യമായി വരാം
mkbingram വഴി ARPA ഫയൽ ജൂലിയസ് ബൈനറി ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതാണ് നല്ലത്. അതല്ല
തിരിച്ചറിയലിനായി മുന്നോട്ടും പിന്നോട്ടും എൻ-ഗ്രാം ഉപയോഗിക്കുകയാണെങ്കിൽ, അവ ഒരുമിച്ച് പ്രവർത്തിക്കും
ഒരൊറ്റ ബൈനറിയിലേക്ക് പരിവർത്തനം ചെയ്യപ്പെടും.

ഈ ഓപ്‌ഷൻ മുഖേന ഒരു ബാക്ക്‌വേർഡ് എൻ-ഗ്രാം മാത്രം വ്യക്തമാക്കുകയും ഫോർവേഡ് എൻ-ഗ്രാം ഇല്ലാതിരിക്കുകയും ചെയ്യുമ്പോൾ
വ്യക്തമാക്കിയത് -എൻഎൽആർ, ജൂലിയസ് പിന്നോക്ക N-ഗ്രാം ഉപയോഗിച്ച് മാത്രം തിരിച്ചറിയൽ നടത്തുന്നു.
ആദ്യ പാസ്സ് പിന്നാക്കത്തിൽ നിന്ന് കണക്കാക്കിയ ഫോർവേഡ് 1 ഗ്രാം പ്രോബബിലിറ്റി ഉപയോഗിക്കും
ബയേസ് റൂൾ ഉപയോഗിച്ച് 2-ഗ്രാം. 2-ആം പാസ്സ് നൽകിയിരിക്കുന്ന പിന്നാക്ക എൻ-ഗ്രാം പൂർണ്ണമായും ഉപയോഗിക്കുന്നു.
(റവ. 4.0)

-v DIC_File
പദ നിഘണ്ടു ഫയൽ.

-സിൽഹെഡ് word_string - സിൽടെയിൽ word_string
നിശ്ശബ്ദ വാക്ക് നിഘണ്ടുവിൽ നിർവ്വചിച്ചിരിക്കുന്നു, തുടക്കത്തിലെ നിശബ്ദതകൾ
വാക്യവും വാക്യത്തിന്റെ അവസാനവും. (സ്ഥിരസ്ഥിതി: " ", " ")

-മാപങ്ക് word_string
അജ്ഞാത വാക്ക് വ്യക്തമാക്കുക. സ്ഥിരസ്ഥിതി " " അഥവാ " ". ഇത് അസൈൻ ചെയ്യാൻ ഉപയോഗിക്കും
അജ്ഞാത പദങ്ങളിലെ പദ സാധ്യത, അതായത് നിഘണ്ടുവിലെ പദങ്ങൾ ഇല്ലാത്തവ
എൻ-ഗ്രാം പദാവലി.

-iwspword
നിഘണ്ടുവിലേക്ക് ഒരു വാക്ക് എൻട്രി ചേർക്കുക, അത് ഇന്റർ-വേഡ് താൽക്കാലികമായി നിർത്തലുമായി പൊരുത്തപ്പെടണം.
ഇല്ലാത്ത ചില ഭാഷാ മോഡലുകളിൽ ഇത് തിരിച്ചറിയൽ കൃത്യത മെച്ചപ്പെടുത്തിയേക്കാം
വ്യക്തമായ ഇന്റർ-വേഡ് പോസ് മോഡലിംഗ്. ചേർക്കേണ്ട എൻട്രി എന്ന വാക്ക് മാറ്റാവുന്നതാണ്
- iwspentry.

- iwspentry word_entry_string
ചേർക്കുന്ന വാക്ക് എൻട്രി വ്യക്തമാക്കുക -iwspword. (സ്ഥിരസ്ഥിതി:" [sp] sp
sp")

-സെപ്നം അക്കം
ലക്‌സിക്കൺ ട്രീയിൽ നിന്ന് വേർതിരിച്ചെടുക്കേണ്ട ഉയർന്ന ഫ്രീക്വൻസി പദങ്ങളുടെ എണ്ണം
1-ലെ ഏറ്റവും മികച്ച ഏകദേശ കണക്ക് കാരണമായേക്കാവുന്ന ഏകദേശ പിശക്
കടന്നുപോകുക. (സ്ഥിരസ്ഥിതി: 150)

വ്യാകരണം
ഒന്നിലധികം വ്യാകരണങ്ങൾ ആവർത്തിക്കുന്നതിലൂടെ വ്യക്തമാക്കാം -ഗ്രാം ഒപ്പം -ഗ്രാംലിസ്റ്റ്. ഇത് ശ്രദ്ധിക്കുക
മറ്റ് ഓപ്ഷനുകളിൽ നിന്നുള്ള അസാധാരണമായ പെരുമാറ്റമാണ് (സാധാരണ ജൂലിയസ് ഓപ്ഷനിൽ, അവസാനത്തേത്
മുമ്പത്തെവ അസാധുവാക്കുക). നിങ്ങൾക്ക് ഉപയോഗിക്കാം - നോഗ്രാം ഇതിനകം വ്യാകരണങ്ങൾ പുനഃസജ്ജമാക്കാൻ
പോയിന്റിന് മുമ്പ് വ്യക്തമാക്കിയിരിക്കുന്നു.

-ഗ്രാം gramprefix1[,gramprefix2[,gramprefix3,...]]
ഉപയോഗിക്കേണ്ട വ്യാകരണങ്ങളുടെ കോമയാൽ വേർതിരിച്ച ലിസ്റ്റ്. വാദം ഒരു ഉപസർഗ്ഗമായിരിക്കണം
ഒരു വ്യാകരണം, അതായത് നിങ്ങൾക്കുണ്ടെങ്കിൽ foo.dfa ഒപ്പം foo.dict, നിങ്ങൾ അവ ഒരു ഉപയോഗിച്ച് വ്യക്തമാക്കണം
ഒറ്റ വാദം foo. ഒരു സമയം ഒന്നിലധികം വ്യാകരണങ്ങൾ ഒരു പോലെ വ്യക്തമാക്കാം
കോമ കൊണ്ട് വേർതിരിച്ച ലിസ്റ്റ്.

-ഗ്രാംലിസ്റ്റ് list_file
ഉപയോഗിക്കേണ്ട വ്യാകരണങ്ങളുടെ ലിസ്റ്റ് അടങ്ങുന്ന ഒരു വ്യാകരണ ലിസ്റ്റ് ഫയൽ വ്യക്തമാക്കുക. പട്ടിക
ഫയലിൽ ഓരോ വരിയിലും വ്യാകരണങ്ങളുടെ പ്രിഫിക്സുകൾ അടങ്ങിയിരിക്കണം. ഒരു ആപേക്ഷിക പാത
ലിസ്റ്റ് ഫയൽ ഫയലുമായി ബന്ധമുള്ളതായി കണക്കാക്കും, നിലവിലെ പാത അല്ലെങ്കിൽ
കോൺഫിഗറേഷൻ ഫയൽ.

-dfa dfa_file -v DIC_File
വ്യാകരണ ഫയലുകൾ പ്രത്യേകം വ്യക്തമാക്കുന്നതിനുള്ള ഒരു പഴയ രീതി. ഇത് വ്യാജമാണ്, പാടില്ല
ഇനി ഉപയോഗിക്കും.

- നോഗ്രാം
ഇതിനകം വ്യക്തമാക്കിയ വ്യാകരണങ്ങളുടെ നിലവിലെ ലിസ്റ്റ് നീക്കം ചെയ്യുക -ഗ്രാം, -ഗ്രാംലിസ്റ്റ്, -dfa
ഒപ്പം -v.

ഒറ്റപ്പെട്ട വാക്ക്
ഉപയോഗിച്ചുകൊണ്ട് നിഘണ്ടു വ്യക്തമാക്കാം -w ഒപ്പം -wlist. നിങ്ങൾ ഒന്നിലധികം വ്യക്തമാക്കുമ്പോൾ
ചിലപ്പോൾ, അവയെല്ലാം സ്റ്റാർട്ടപ്പിൽ വായിക്കപ്പെടും. നിങ്ങൾക്ക് ഉപയോഗിക്കാം - നോഗ്രാം പുന reseസജ്ജമാക്കാൻ
ആ സമയത്ത് നിഘണ്ടുക്കൾ ഇതിനകം വ്യക്തമാക്കിയിട്ടുണ്ട്.

-w DIC_File
ഒറ്റപ്പെട്ട വാക്കുകൾ തിരിച്ചറിയുന്നതിനുള്ള പദ നിഘണ്ടു. ഫയൽ ഫോർമാറ്റ് മറ്റേതിന് സമാനമാണ്
എൽ.എം. (റവ. 4.0)

-wlist list_file
ഉപയോഗിക്കേണ്ട നിഘണ്ടുക്കളുടെ ലിസ്റ്റ് അടങ്ങുന്ന ഒരു നിഘണ്ടു ലിസ്റ്റ് ഫയൽ വ്യക്തമാക്കുക.
ലിസ്റ്റ് ഫയലിൽ ഓരോ വരിയിലും നിഘണ്ടുക്കളുടെ ഫയലിന്റെ പേര് അടങ്ങിയിരിക്കണം. എ
ലിസ്റ്റ് ഫയലിലെ ആപേക്ഷിക പാത്ത് ലിസ്റ്റ് ഫയലുമായി ആപേക്ഷികമായി കണക്കാക്കും, അല്ല
നിലവിലെ പാത്ത് അല്ലെങ്കിൽ കോൺഫിഗറേഷൻ ഫയൽ. (റവ. 4.0)

- നോഗ്രാം
ഇതിനകം വ്യക്തമാക്കിയ നിഘണ്ടുക്കളുടെ നിലവിലെ ലിസ്റ്റ് നീക്കം ചെയ്യുക -w ഒപ്പം -wlist.

-wsil head_sil_model_name tail_sil_model_name sil_context_name
ഒറ്റപ്പെട്ട വാക്ക് തിരിച്ചറിയലിൽ, സൈലൻസ് മോഡലുകൾ തലയിലും കൂട്ടിച്ചേർക്കും
തിരിച്ചറിയുന്ന ഓരോ വാക്കിന്റെയും വാൽ. ഈ ഓപ്ഷൻ സൈലൻസ് മോഡലുകൾ വ്യക്തമാക്കുന്നു
അനുബന്ധമായി. sil_context_name ഹെഡ് സിൽ മോഡലിന്റെയും ടെയിൽ സിൽ മോഡലിന്റെയും പേരാണ്
വേഡ് ഹെഡ് ഫോണിന്റെയും ടെയിൽ ഫോണിന്റെയും സന്ദർഭമായി. ഉദാഹരണത്തിന്, നിങ്ങൾ വ്യക്തമാക്കുകയാണെങ്കിൽ
-wsil silB silE sp, ഫോൺ സീക്വൻസുള്ള ഒരു വാക്ക് silB ആയി വിവർത്തനം ചെയ്യപ്പെടും
sp-b+eh b-eh+t eh-t+sp silE. (റവ. 4.0)

ഉപയോക്താവ് നിർവചിച്ചിരിക്കുന്നത് LM
-userlm
പ്രോഗ്രാമിൽ ഉപയോക്തൃ LM ഫംഗ്‌ഷനുകൾ ഉപയോഗിക്കാൻ പ്രഖ്യാപിക്കുക. ഈ ഓപ്ഷൻ വ്യക്തമാക്കണം
നിങ്ങൾ ഉപയോക്തൃ-നിർവചിച്ച LM ഫംഗ്‌ഷനുകൾ ഉപയോഗിക്കുകയാണെങ്കിൽ. (റവ. 4.0)

പലവക. LM ഓപ്ഷനുകൾ
- നിർബന്ധിക്കുക
നിഘണ്ടുവിലെ പിശക് വാക്കുകൾ ഒഴിവാക്കി പ്രവർത്തിപ്പിക്കാൻ നിർബന്ധിക്കുക.

ശബ്ദമുണ്ടാക്കുക മാതൃക ഒപ്പം സവിശേഷത വിശകലനം (-AM) (-AM_GMM)
ഈ വിഭാഗം അക്കോസ്റ്റിക് മോഡൽ, ഫീച്ചർ എക്‌സ്‌ട്രാക്‌ഷൻ, ഫീച്ചർ എന്നിവയ്ക്കുള്ള ഓപ്ഷനുകളെക്കുറിച്ചാണ്
നോർമലൈസേഷനുകളും സ്പെക്ട്രൽ കുറയ്ക്കലും.

-AM-ന് ശേഷം, ഒരു അക്കോസ്റ്റിക് മോഡലും അനുബന്ധ സ്പെസിഫിക്കേഷനും എഴുതണം. നിങ്ങൾക്ക് ഉപയോഗിക്കാം
വ്യത്യസ്‌ത MFCC തരങ്ങൾ ഉപയോഗിച്ച് പരിശീലിപ്പിച്ച ഒന്നിലധികം AM-കൾ. GMM-ന്, ആവശ്യമായ പാരാമീറ്റർ വ്യവസ്ഥ
അതിനു ശേഷമുള്ള AM-കൾ പോലെ തന്നെ വ്യക്തമാക്കണം -AM_GMM.

ഒന്നിലധികം AM-കൾ ഉപയോഗിക്കുമ്പോൾ, മൂല്യങ്ങൾ -smpPeriod, -smpFreq, -fsize ഒപ്പം -ഫ്ഷിഫ്റ്റ് ആയിരിക്കണം
എല്ലാ എ.എം.മാർക്കിടയിലും സമാനമാണ്.

ശബ്ദമുണ്ടാക്കുക എച്ച്.എം.എം
-h hmmdef_file
അക്കോസ്റ്റിക് എച്ച്എംഎം ഡെഫനിഷൻ ഫയൽ. ഇത് HTK ascii ഫോർമാറ്റിലോ ജൂലിയസ് ബൈനറിയിലോ ആയിരിക്കണം
ഫോർമാറ്റ്. mkbinhmm ഉപയോഗിച്ച് നിങ്ങൾക്ക് HTK ascii ഫോർമാറ്റ് ജൂലിയസ് ബൈനറി ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യാം.

- പട്ടിക hmmlist_file
ഫോൺ മാപ്പിംഗിനുള്ള HMMList ഫയൽ. ഈ ഫയൽ ലോജിക്കൽ തമ്മിലുള്ള മാപ്പിംഗ് നൽകുന്നു
നിഘണ്ടുവിൽ സൃഷ്‌ടിച്ച ട്രൈഫോൺ പേരുകളും hmmdefs-ൽ നിർവചിക്കപ്പെട്ട HMM പേരുകളും.
സന്ദർഭ-ആശ്രിത മോഡലിന് ഈ ഓപ്ഷൻ വ്യക്തമാക്കണം.

-ടിമിക്സ് അക്കം
ഒരു മിശ്രിത കോഡ്ബുക്കിൽ കണക്കാക്കേണ്ട മുൻനിര ഗൗസിയന്മാരുടെ എണ്ണം വ്യക്തമാക്കുക.
ചെറിയ സംഖ്യ അക്കോസ്റ്റിക് കണക്കുകൂട്ടലിനെ വേഗത്തിലാക്കും, എന്നാൽ AM കൃത്യത ലഭിച്ചേക്കാം
വളരെ ചെറിയ മൂല്യം കൊണ്ട് മോശമാണ്. ഇതും കാണുക -ഗ്രപ്രൂൺ. (ഡിഫോൾട്ട്: 2)

- spmodel പേര്
ഒരു ഉച്ചാരണത്തിലെ ഷോർട്ട്-പോസുമായി പൊരുത്തപ്പെടുന്ന HMM മോഡൽ പേര് വ്യക്തമാക്കുക. ദി
ഷോർട്ട്-പോസ് മോഡൽ പേര് തിരിച്ചറിയലിനായി ഉപയോഗിക്കും: ഷോർട്ട്-പോസ് സ്കിപ്പിംഗ് ഓൺ
വ്യാകരണം തിരിച്ചറിയൽ, വേഡ്-എൻഡ് ഷോർട്ട്-പോസ് മോഡൽ ഉൾപ്പെടുത്തൽ -iwsp എൻ-ഗ്രാമിൽ,
അല്ലെങ്കിൽ ഷോർട്ട്-പോസ് സെഗ്മെന്റേഷൻ (-സ്പെഗ്മെന്റ്). (ഡിഫോൾട്ട്: "sp")

- മൾട്ടിപാത്ത്
മൾട്ടി-പാത്ത് മോഡ് പ്രവർത്തനക്ഷമമാക്കുക. ഡീകോഡിംഗ് വേഗത്തിലാക്കാൻ, ജൂലിയസ് ഡിഫോൾട്ടായി എ ചുമത്തുന്നു
HMM സംക്രമണങ്ങളിൽ ഓരോ മോഡലിനും ഒരു സംക്രമണം മാത്രമേ ഉണ്ടാകൂ
പ്രാരംഭ നിലയും അവസാന നിലയും. മൾട്ടി-പാത്ത് മോഡിൽ, ജൂലിയസ് അധിക കൈകാര്യം ചെയ്യുന്നു
മോഡൽ-സ്കിപ്പിംഗ് ട്രാൻസിഷനും മൾട്ടിപ്പിൾ ട്രാൻസിഷനും അനുവദിക്കുന്നതിന് ഇന്റർ-മോഡൽ ട്രാൻസിഷനിൽ
ഔട്ട്പുട്ട്/ഇൻപുട്ട് സംക്രമണങ്ങൾ. ഈ ഓപ്‌ഷൻ വ്യക്തമാക്കുന്നത് ജൂലിയസ് എ ആക്കുമെന്നത് ശ്രദ്ധിക്കുക
ബിറ്റ് പതുക്കെ, വലിയ ബീം വീതി ആവശ്യമായി വന്നേക്കാം.

ഈ ഫംഗ്‌ഷൻ ജൂലിയസ് 3.x-ൽ ഒരു കംപൈലേഷൻ-ടൈം ഓപ്ഷനായിരുന്നു, ഇപ്പോൾ a ആയി മാറുന്നു
റൺ-ടൈം ഓപ്ഷൻ. സ്ഥിരസ്ഥിതിയായി (ഈ ഓപ്ഷൻ കൂടാതെ), ജൂലിയസ് പരിവർത്തനം പരിശോധിക്കുന്നു
നിർദ്ദിഷ്ട HMM-കളുടെ തരം, ആവശ്യമെങ്കിൽ മൾട്ടി-പാത്ത് മോഡ് പ്രവർത്തനക്ഷമമാക്കുക. നിങ്ങൾക്ക് കഴിയും
ഈ ഓപ്ഷൻ ഉപയോഗിച്ച് മൾട്ടി-പാത്ത് മോഡ് നിർബന്ധിക്കുക. (rev.4.0)

-ഗ്രപ്രൂൺ {സുരക്ഷിതം|ഹ്യൂറിസ്റ്റിക്|ബീം|ഒന്നുമില്ല|സ്ഥിരസ്ഥിതി}
ഉപയോഗിക്കുന്നതിന് ഗൗസിയൻ പ്രൂണിംഗ് അൽഗോരിതം സജ്ജമാക്കുക. ടൈഡ്-മിക്സ്ചർ മോഡലിന്, ജൂലിയസ് നിർവഹിക്കുന്നു
മുകളിലെ N മാത്രം കണക്കാക്കി അക്കോസ്റ്റിക് കംപ്യൂട്ടേഷൻ കുറയ്ക്കുന്നതിനുള്ള ഗൗസിയൻ പ്രൂണിംഗ്
ഓരോ ഫ്രെയിമിലും ഓരോ കോഡ്ബുക്കിലും ഗൗസിയൻസ്. സ്ഥിരസ്ഥിതി ക്രമീകരണം സജ്ജമാക്കും
മോഡൽ തരവും എഞ്ചിൻ ക്രമീകരണവും അനുസരിച്ച്. സ്ഥിരസ്ഥിതി സ്വീകരിക്കാൻ നിർബന്ധിക്കും
സ്ഥിരസ്ഥിതി ക്രമീകരണം. പ്രൂണിംഗ് പ്രവർത്തനരഹിതമാക്കാനും പൂർണ്ണമായി പ്രവർത്തിക്കാനും ഇത് നോൺ ആയി സജ്ജമാക്കുക
കണക്കുകൂട്ടൽ. സുരക്ഷിതമായ ഗ്യാരന്റി ഏറ്റവും ഉയർന്ന N Gaussians കണക്കുകൂട്ടും. ഹ്യൂറിസ്റ്റിക് ആൻഡ്
ബീം കൂടുതൽ ആക്രമണാത്മകമായ കമ്പ്യൂട്ടേഷണൽ ചെലവ് കുറയ്ക്കുന്നു, പക്ഷേ അത് ചെറുതാക്കിയേക്കാം
കൃത്യതാ മോഡൽ നഷ്ടം (ഡിഫോൾട്ട്: സുരക്ഷിതം (സ്റ്റാൻഡേർഡ്), ബീം (വേഗതയുള്ളത്) കെട്ടിയ മിശ്രിതത്തിന്
മോഡൽ, നോൺ ടൈഡ്-മിക്‌സ്ചർ മോഡലിന് ഒന്നുമില്ല).

-iwcd1 {max|ശരാശരി|മികച്ച സംഖ്യ}
ഒരു വാക്കിന്റെ തലയിലും വാലിലും ഇന്റർ-വേഡ് ട്രൈഫോൺ ഏകദേശമാക്കുന്നതിനുള്ള രീതി തിരഞ്ഞെടുക്കുക
ആദ്യ പാസിൽ.

max ഒരേ സന്ദർഭ ട്രിഫോണുകളുടെ പരമാവധി സാധ്യത ബാധകമാക്കും. ശരാശരി ഇഷ്ടം
സമാന സന്ദർഭ ട്രിഫോണുകളുടെ ശരാശരി സാധ്യത പ്രയോഗിക്കുക. മികച്ച നമ്പർ ചെയ്യും
ഒരേ സന്ദർഭ ട്രിഫോണിന്റെ മികച്ച N-മികച്ച സാധ്യതകളുടെ ശരാശരി പ്രയോഗിക്കുക.

N-gram ഉപയോഗിക്കുന്നതിന് ഡിഫോൾട്ട് 3 ആണ്, വ്യാകരണത്തിനും പദത്തിനും ശരാശരി. ഇത് എപ്പോൾ
രണ്ട് തരത്തിലുമുള്ള LM-കൾ AM പങ്കിടുന്നു, രണ്ടാമത്തേത് തിരഞ്ഞെടുക്കപ്പെടും.

-ഇവസ്പെനാൽറ്റി ഫ്ലോട്ട്
വേഡ്-എൻഡ് ഹ്രസ്വ വിരാമങ്ങൾക്കുള്ള ഇൻസേർഷൻ പെനാൽറ്റി ചേർത്തു -iwsp.

-gshmm hmmdef_file
ഈ ഓപ്ഷൻ വ്യക്തമാക്കിയിട്ടുണ്ടെങ്കിൽ, ജൂലിയസ് ഗൗസിയൻ മിശ്രിതം തിരഞ്ഞെടുക്കുന്നു
കാര്യക്ഷമമായ ഡീകോഡിംഗ്. hmmdefs ഒരു മോണോഫോൺ മോഡലായിരിക്കണം
mkgshmm ഉപയോഗിക്കുന്ന സാധാരണ മോണോഫോൺ HMM മോഡൽ.

-gsnum അക്കം
GMS-ൽ, അനുബന്ധ ട്രൈഫോണുകൾ കണക്കാക്കുന്നതിനുള്ള മോണോഫോൺ അവസ്ഥകളുടെ എണ്ണം വ്യക്തമാക്കുക
വിശദാംശം. (സ്ഥിരസ്ഥിതി: 24)

സംസാരം വിശകലനം
നിലവിലെ ജൂലിയസിൽ MFCC ഫീച്ചർ എക്‌സ്‌ട്രാക്‌ഷൻ മാത്രമേ പിന്തുണയ്ക്കൂ. അങ്ങനെ തിരിച്ചറിയുമ്പോൾ
ഫയലിൽ നിന്നോ മൈക്രോഫോണിൽ നിന്നോ വേവ്ഫോം ഇൻപുട്ട്, AM MFCC പരിശീലിപ്പിച്ചിരിക്കണം. പരാമീറ്റർ
പരിശീലനത്തിന്റെ അവസ്ഥയ്ക്ക് സമാനമായ അവസ്ഥയും സജ്ജീകരിക്കണം
ചുവടെയുള്ള ഓപ്ഷനുകൾ.

നിങ്ങൾ HTK പാരാമീറ്റർ ഫയലിൽ ഒരു ഇൻപുട്ട് നൽകുമ്പോൾ, നിങ്ങൾക്ക് ഏത് പാരാമീറ്റർ തരവും ഉപയോഗിക്കാം
എ.എം. ഈ സാഹചര്യത്തിൽ ജൂലിയസ് ഇൻപുട്ട് ഫീച്ചറിന്റെ തരത്തെക്കുറിച്ചും AM എന്നതിനെക്കുറിച്ചും ശ്രദ്ധിക്കുന്നില്ല
അവയെ വെക്റ്റർ സീക്വൻസായി വായിച്ച് നൽകിയിരിക്കുന്ന AM-മായി പൊരുത്തപ്പെടുത്തുക. ജൂലിയസ് മാത്രം പരിശോധിക്കുന്നു
പരാമീറ്റർ തരങ്ങൾ ഒന്നുതന്നെയാണോ എന്ന്. ഇത് നന്നായി പ്രവർത്തിക്കുന്നില്ലെങ്കിൽ, നിങ്ങൾക്ക് പ്രവർത്തനരഹിതമാക്കാം
ഇത് പരിശോധിക്കുന്നത് -നോട്ടൈപ്പ് ചെക്ക്.

ജൂലിയസിൽ, പാരാമീറ്റർ തരവും യോഗ്യതയും (HTK-യിൽ TARGETKIND ആയി) സംഖ്യയും
സെപ്സ്ട്രൽ പാരാമീറ്ററുകളുടെ (NUMCEPS) ഉള്ളടക്കത്തിൽ നിന്ന് സ്വയമേവ സജ്ജീകരിക്കും
AM തലക്കെട്ട്, അതിനാൽ നിങ്ങൾ അവ ഓപ്‌ഷനുകൾ വഴി വ്യക്തമാക്കേണ്ടതില്ല.

മറ്റ് പാരാമീറ്ററുകൾ പരിശീലന വ്യവസ്ഥയ്ക്ക് സമാനമായി സജ്ജീകരിക്കണം. നിങ്ങൾക്കും കഴിയും
നിങ്ങൾ AM-നെ ജൂലിയസ് പരിശീലിപ്പിക്കാൻ ഉപയോഗിച്ച ഒരു HTK കോൺഫിഗറേഷൻ ഫയൽ നൽകുക -htkconf. ഇത് എപ്പോൾ
ഓപ്ഷൻ പ്രയോഗിക്കുന്നു, ജൂലിയസ് കോൺഫിഗറേഷൻ ഫയൽ പാഴ്സ് ചെയ്യുകയും ഉചിതമായ പാരാമീറ്റർ സജ്ജമാക്കുകയും ചെയ്യും.

ഉപയോഗിച്ച് നിങ്ങൾക്ക് ആ വിശകലന പാരാമീറ്റർ ക്രമീകരണങ്ങൾ ഒരു ബൈനറി HMM ഫയലിലേക്ക് കൂടുതൽ ഉൾപ്പെടുത്താവുന്നതാണ്
mkbinhmm.

ഓപ്ഷനുകൾ പല തരത്തിൽ വ്യക്തമാക്കിയിട്ടുണ്ടെങ്കിൽ, അവ ചുവടെയുള്ള ക്രമത്തിൽ വിലയിരുത്തും.
AM ഉൾച്ചേർത്ത പാരാമീറ്റർ എന്തെങ്കിലും ഉണ്ടെങ്കിൽ ആദ്യം ലോഡ് ചെയ്യും. തുടർന്ന്, HTK കോൺഫിഗറേഷൻ ഫയൽ
നൽകിയ -htkconf പാഴ്‌സ് ചെയ്യും. AM ഉൾച്ചേർത്ത മൂല്യം ഇതിനകം സജ്ജീകരിച്ച മൂല്യമാണെങ്കിൽ, HTK
കോൺഫിഗറേഷൻ അവയെ മറികടക്കും. അവസാനം, നേരിട്ടുള്ള ഓപ്ഷനുകൾ ലോഡ് ചെയ്യും, അത് ചെയ്യും
മുമ്പ് ലോഡ് ചെയ്ത ക്രമീകരണങ്ങൾ അസാധുവാക്കുക. ഒരേ ഓപ്ഷനുകൾ വ്യക്തമാക്കുമ്പോൾ ശ്രദ്ധിക്കുക
പല പ്രാവശ്യം, പിന്നീട് മുമ്പത്തെ അസാധുവാക്കും, അല്ലാതെ -htkconf വിലയിരുത്തും
ആദ്യം മുകളിൽ വിവരിച്ചതുപോലെ.

-smpPeriod കാലഘട്ടം
ഇൻപുട്ട് സംഭാഷണത്തിന്റെ സാമ്പിൾ കാലയളവ്, 100 നാനോ സെക്കൻഡ് യൂണിറ്റിൽ. സാമ്പിൾ നിരക്ക് കഴിയും
എന്നിവയും വ്യക്തമാക്കും -smpFreq. ഇൻപുട്ട് ഫ്രീക്വൻസി ആയിരിക്കണം എന്നത് ശ്രദ്ധിക്കുക
AM-ന്റെ പരിശീലന വ്യവസ്ഥകൾക്ക് തുല്യമായി സജ്ജീകരിച്ചിരിക്കുന്നു. (സ്ഥിരസ്ഥിതി: 625, ഇതുമായി പൊരുത്തപ്പെടുന്നു
16,000Hz)

ഈ ഓപ്ഷൻ HTK ഓപ്ഷൻ SOURCERATE ന് യോജിക്കുന്നു. ഒരേ മൂല്യം ആകാം
ഈ ഓപ്ഷനിൽ നൽകിയിരിക്കുന്നു.

ഒന്നിലധികം AM ഉപയോഗിക്കുമ്പോൾ, ഈ മൂല്യം എല്ലാ AM-കളിലും തുല്യമായിരിക്കണം.

-smpFreq Hz
ഇൻപുട്ട് സംഭാഷണത്തിന്റെ സാമ്പിൾ ഫ്രീക്വൻസി Hz-ൽ സജ്ജമാക്കുക. സാമ്പിൾ നിരക്കും ആകാം
ഉപയോഗിച്ച് വ്യക്തമാക്കിയിരിക്കുന്നു -smpPeriod. ഈ ആവൃത്തി തുല്യമായി സജ്ജീകരിക്കണമെന്ന് ദയവായി ശ്രദ്ധിക്കുക
AM-ന്റെ പരിശീലന സാഹചര്യങ്ങളിലേക്ക്. (സ്ഥിരത: 16,000)

ഒന്നിലധികം AM ഉപയോഗിക്കുമ്പോൾ, ഈ മൂല്യം എല്ലാ AM-കളിലും തുല്യമായിരിക്കണം.

-fsize സാമ്പിൾ_എണ്ണം
സാമ്പിളുകളുടെ എണ്ണത്തിൽ വിൻഡോ വലുപ്പം. (സ്ഥിരസ്ഥിതി: 400)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ WINDOWSIZE-ന് സമാനമാണ്, എന്നാൽ മൂല്യം ഉണ്ടായിരിക്കണം
സാമ്പിളുകൾ (HTK മൂല്യം / smpPeriod).

ഒന്നിലധികം AM ഉപയോഗിക്കുമ്പോൾ, ഈ മൂല്യം എല്ലാ AM-കളിലും തുല്യമായിരിക്കണം.

-ഫ്ഷിഫ്റ്റ് സാമ്പിൾ_എണ്ണം
സാമ്പിളുകളുടെ എണ്ണത്തിൽ ഫ്രെയിം ഷിഫ്റ്റ്. (സ്ഥിരസ്ഥിതി: 160)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ TARGETRATE ന് സമാനമാണ്, എന്നാൽ മൂല്യം ഉണ്ടായിരിക്കണം
സാമ്പിളുകൾ (HTK മൂല്യം / smpPeriod).

ഒന്നിലധികം AM ഉപയോഗിക്കുമ്പോൾ, ഈ മൂല്യം എല്ലാ AM-കളിലും തുല്യമായിരിക്കണം.

-പ്രീംഫ് ഫ്ലോട്ട്
മുൻകൂർ ഊന്നൽ ഗുണകം. (സ്ഥിരസ്ഥിതി: 0.97)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷനുമായി പൊരുത്തപ്പെടുന്നു PREEMCOEF. അതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷനിലേക്ക്.

-fbank സംഖ്യ
ഫിൽട്ടർബാങ്ക് ചാനലുകളുടെ എണ്ണം. (സ്ഥിരസ്ഥിതി: 24)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ NUMCHANS-ന് യോജിക്കുന്നു. അതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷനിലേക്ക്. സ്ഥിരസ്ഥിതി മൂല്യം HTK (22) യിലേതിന് സമാനമല്ലെന്ന് ഓർമ്മിക്കുക.

-സെപ്ലിഫ് സംഖ്യ
സെപ്സ്ട്രൽ ലിഫ്റ്ററിംഗ് കോഫിഫിഷ്യന്റ്. (സ്ഥിരസ്ഥിതി: 22)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ CEPLIFTER-ന് യോജിക്കുന്നു. അതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷനിലേക്ക്.

- അസംസ്കൃത , - നോറവേ
ഊന്നൽ നൽകുന്നതിന് മുമ്പ് അസംസ്‌കൃത ഊർജ്ജം ഉപയോഗിച്ച് പ്രവർത്തനക്ഷമമാക്കുക/അപ്രാപ്‌തമാക്കുക (ഡിഫോൾട്ട്: അപ്രാപ്‌തമാക്കി)

ഈ ഓപ്ഷൻ HTK ഓപ്‌ഷൻ RAWENERGY യുമായി പൊരുത്തപ്പെടുന്നു. സ്ഥിരസ്ഥിതിയാണെന്ന് അറിയുക
മൂല്യം HTK-യിൽ നിന്ന് വ്യത്യസ്തമാണ് (HTK-ൽ പ്രവർത്തനക്ഷമമാക്കി, ജൂലിയസിൽ പ്രവർത്തനരഹിതമാക്കി).

-അസാധാരണമായ , -അസാധാരണം
ലോഗ് എനർജി നോർമലൈസ് ചെയ്യുന്നത് പ്രവർത്തനക്ഷമമാക്കുക/പ്രവർത്തനരഹിതമാക്കുക. തത്സമയ ഇൻപുട്ടിൽ, ഈ നോർമലൈസേഷൻ ആയിരിക്കും
അവസാന ഇൻപുട്ടിന്റെ ശരാശരിയിൽ നിന്ന് ഏകദേശം. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

ഈ ഓപ്ഷൻ HTK ഓപ്‌ഷൻ ENORMALISE-ന് യോജിക്കുന്നു. സ്ഥിരസ്ഥിതിയാണെന്ന് അറിയുക
മൂല്യം HTK-യിൽ നിന്ന് വ്യത്യസ്തമാണ് (HTK-ൽ പ്രവർത്തനക്ഷമമാക്കി, ജൂലിയസിൽ പ്രവർത്തനരഹിതമാക്കി).

-എസ്കെയിൽ ഫ്ലോട്ട്_സ്കെയിൽ
ലോഗ് എനർജി നോർമലൈസ് ചെയ്യുമ്പോൾ ലോഗ് എനർജിയുടെ സ്കെയിലിംഗ് ഘടകം. (സ്ഥിരസ്ഥിതി: 1.0)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ ESCALE-ന് യോജിക്കുന്നു. സ്ഥിരസ്ഥിതിയാണെന്ന് അറിയുക
മൂല്യം HTK (0.1) ൽ നിന്ന് വ്യത്യസ്തമാണ്.

-സിൽഫ്ലോർ ഫ്ലോട്ട്
ലോഗ് എനർജി നോർമലൈസ് ചെയ്യുമ്പോൾ ഡിബിയിൽ എനർജി സൈലൻസ് ഫ്ലോർ. (സ്ഥിരസ്ഥിതി: 50.0)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ SILFLOOR-നോട് യോജിക്കുന്നു.

-ഡെൽവിൻ ഫ്രെയിം
ഫ്രെയിമുകളുടെ എണ്ണത്തിൽ ഡെൽറ്റ വിൻഡോ വലുപ്പം. (ഡിഫോൾട്ട്: 2)

ഈ ഐച്ഛികം HTK ഓപ്‌ഷൻ DELTAWINDOW മായി യോജിക്കുന്നു. ഒരേ മൂല്യം ആകാം
ഈ ഓപ്ഷനിൽ നൽകിയിരിക്കുന്നു.

-accwin ഫ്രെയിം
ഫ്രെയിമുകളുടെ എണ്ണത്തിൽ ആക്സിലറേഷൻ വിൻഡോ വലുപ്പം. (ഡിഫോൾട്ട്: 2)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ ACCWINDOW മായി യോജിക്കുന്നു. അതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷനിലേക്ക്.

-ഹൈഫ്രെക് Hz
MFCC ഫിൽട്ടർബാങ്ക് കമ്പ്യൂട്ടേഷനായി ബാൻഡ്-ലിമിറ്റിംഗ് പ്രവർത്തനക്ഷമമാക്കുക: മുകളിലെ ആവൃത്തി സജ്ജമാക്കുക
വിച്ഛേദിക്കുക. -1 ന്റെ മൂല്യം അത് പ്രവർത്തനരഹിതമാക്കും. (സ്ഥിരസ്ഥിതി: -1)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ HIFREQ-ന് യോജിക്കുന്നു. ഇതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷൻ.

-ലോഫ്രെക് Hz
MFCC ഫിൽട്ടർബാങ്ക് കമ്പ്യൂട്ടേഷനായി ബാൻഡ്-ലിമിറ്റിംഗ് പ്രവർത്തനക്ഷമമാക്കുക: കുറഞ്ഞ ആവൃത്തി സജ്ജമാക്കുക
വിച്ഛേദിക്കുക. -1 ന്റെ മൂല്യം അത് പ്രവർത്തനരഹിതമാക്കും. (സ്ഥിരസ്ഥിതി: -1)

ഈ ഓപ്‌ഷൻ HTK ഓപ്‌ഷൻ LOFREQ-ന് യോജിക്കുന്നു. ഇതേ മൂല്യം നൽകാം
ഈ ഓപ്ഷൻ.

-zmeanframe , -nozmeanframe
സംഭാഷണ ഇൻപുട്ട് ഉപയോഗിച്ച്, ഈ ഓപ്‌ഷൻ ഫ്രെയിം-വൈസ് ഡിസി ഓഫ്‌സെറ്റ് നീക്കംചെയ്യൽ പ്രവർത്തനക്ഷമമാക്കുന്നു/പ്രവർത്തനരഹിതമാക്കുന്നു.
ഇത് HTK കോൺഫിഗറേഷൻ ZMEANSOURCE ന് യോജിക്കുന്നു. ഇത് ഒരുമിച്ച് ഉപയോഗിക്കാൻ കഴിയില്ല
കൂടെ -zmean. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

- ഉപയോഗശക്തി
ഫിൽട്ടർബാങ്ക് വിശകലനത്തിൽ മാഗ്നിറ്റ്യൂഡിന് പകരം പവർ ഉപയോഗിക്കുക. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

നോർമലൈസേഷൻ
ഇൻപുട്ടുകൾക്കായി ജൂലിയസിന് സെപ്സ്ട്രൽ ശരാശരി നോർമലൈസേഷൻ (സിഎംഎൻ) നടത്താൻ കഴിയും. CMN ആയിരിക്കും
നൽകിയിരിക്കുന്ന AM CMN-ൽ പരിശീലനം നേടിയപ്പോൾ സജീവമാക്കി (അതായത് "_Z" ക്വാളിഫയർ ഉണ്ട്
തലക്കെട്ട്).

ഇൻപുട്ട് തരം അനുസരിച്ച് സെപ്സ്ട്രൽ ശരാശരി വ്യത്യസ്ത രീതികളിൽ കണക്കാക്കും.
ഫയൽ ഇൻപുട്ടിൽ, മുഴുവൻ ഇൻപുട്ടിൽ നിന്നും ശരാശരി കണക്കാക്കും. ലൈവ് ഇൻപുട്ടിൽ അത്തരം
മൈക്രോഫോണും നെറ്റ്‌വർക്ക് ഇൻപുട്ടും എന്ന നിലയിൽ, ഇൻപുട്ടിന്റെ സെപ്ട്രൽ ശരാശരി അജ്ഞാതമാണ്
ആരംഭിക്കുക. അതിനാൽ MAP-CMN ഉപയോഗിക്കും. MAP-CMN-ൽ, ഒരു പ്രാരംഭ ശരാശരി വെക്റ്റർ പ്രയോഗിക്കും
തുടക്കത്തിൽ, ശരാശരി വെക്റ്റർ എന്നതിന്റെ ശരാശരിയിൽ സ്മിയർ ചെയ്യും
ഇൻപുട്ട് പോകുമ്പോൾ ഇൻപുട്ട് വെക്റ്റർ വർദ്ധിപ്പിക്കുന്നു. താഴെയുള്ള ഓപ്‌ഷനുകൾക്ക് പെരുമാറ്റം നിയന്ത്രിക്കാനാകും
MAP-CMN.

-സിവിഎൻ
സെപ്‌സ്‌ട്രൽ വേരിയൻസ് നോർമലൈസേഷൻ പ്രവർത്തനക്ഷമമാക്കുക. ഫയൽ ഇൻപുട്ടിൽ, മൊത്തത്തിലുള്ള വ്യത്യാസം
ഇൻപുട്ട് കണക്കാക്കുകയും തുടർന്ന് പ്രയോഗിക്കുകയും ചെയ്യും. തത്സമയ മൈക്രോഫോൺ ഇൻപുട്ടിൽ, വ്യത്യാസം
അവസാന ഇൻപുട്ട് പ്രയോഗിക്കും. ഒരു ഓഡിയോ ഇൻപുട്ടിന് മാത്രമേ CVN പിന്തുണയുള്ളൂ.

-vtln ആൽഫ താഴ്ച്ച വിള്ളൽ
ഫ്രീക്വൻസി വാർപ്പിംഗ് നടത്തുക, സാധാരണയായി ഒരു വോക്കൽ ട്രാക്റ്റ് ലെങ്ത് നോർമലൈസേഷനായി (VTLN).
വാർപ്പിംഗ് ഘടകം, ഉയർന്ന ഫ്രീക്വൻസി കട്ട്-ഓഫ്, കുറഞ്ഞ ആവൃത്തി എന്നിവയാണ് വാദങ്ങൾ. വിച്ഛേദിക്കുക. അവർ
HTK കോൺഫിഗറേഷൻ മൂല്യങ്ങൾ, WARPFREQ, WARPHCUTOFF, WARPLCUTOFF എന്നിവയുമായി പൊരുത്തപ്പെടുന്നു.

-cmnload ഫയല്
സ്റ്റാർട്ടപ്പിലെ ഫയലിൽ നിന്ന് പ്രാരംഭ സെപ്‌സ്‌ട്രൽ ശരാശരി വെക്റ്റർ ലോഡ് ചെയ്യുക. ദി ഫയല് ഒന്നായിരിക്കണം
സംരക്ഷിച്ചത് -സെ.എം.സേവ്. ഒരു പ്രാരംഭ സെപ്‌സ്‌ട്രൽ ശരാശരി ലോഡുചെയ്യുന്നത് ജൂലിയസിനെ മികച്ചതാക്കാൻ പ്രാപ്‌തമാക്കുന്നു
ഒരു തത്സമയ ഇൻപുട്ടിലെ ആദ്യ ഉച്ചാരണം തിരിച്ചറിയുക. കൂടെ ഉപയോഗിക്കുമ്പോൾ
-cmnnoupdate, ഈ പ്രാരംഭ മൂല്യം എല്ലാ ഇൻപുട്ടിനും ഉപയോഗിക്കും.

-സെ.എം.സേവ് ഫയല്
കണക്കാക്കിയ സെപ്‌സ്‌ട്രൽ ശരാശരി വെക്‌റ്റർ ഇതിലേക്ക് സംരക്ഷിക്കുക ഫയല്. പാരാമീറ്ററുകൾ സംരക്ഷിക്കപ്പെടും
ഓരോ ഇൻപുട്ട് അറ്റത്തും. ഔട്ട്പുട്ട് ഫയൽ നിലവിലുണ്ടെങ്കിൽ, അത് അസാധുവാക്കപ്പെടും.

-cmnupdate -cmnnoupdate
തത്സമയ ഇൻപുട്ടിലെ ഓരോ ഇൻപുട്ടിലും സെപ്സ്ട്രൽ ശരാശരി അപ്ഡേറ്റ് ചെയ്യണമോ എന്ന് നിയന്ത്രിക്കുക.
ഇത് പ്രവർത്തനരഹിതമാക്കുകയും വ്യക്തമാക്കുകയും ചെയ്യുന്നു -cmnload എഞ്ചിൻ എപ്പോഴും ലോഡ് ചെയ്തവ ഉപയോഗിക്കും
സ്റ്റാറ്റിക് പ്രാരംഭ സെപ്സ്ട്രൽ ശരാശരി.

-cmnmapweight ഫ്ലോട്ട്
MAP-CMN-നുള്ള പ്രാരംഭ സെപ്സ്ട്രൽ ശരാശരിയുടെ ഭാരം വ്യക്തമാക്കുക. ഇതിലേക്ക് വലിയ മൂല്യം വ്യക്തമാക്കുക
പ്രാരംഭ സെപ്‌സ്‌ട്രൽ ശരാശരി കൂടുതൽ കാലയളവിലേക്ക് നിലനിർത്തുക, കൂടാതെ ചെറിയ മൂല്യം ഉണ്ടാക്കുക
സെപ്സ്ട്രൽ അർത്ഥം നിലവിലെ ഇൻപുട്ടിനെ കൂടുതൽ ആശ്രയിക്കുന്നു. (സ്ഥിരസ്ഥിതി: 100.0)

ഫ്രണ്ട് അവസാനം പ്രോസസ്സ് ചെയ്യുന്നു
ഓഡിയോയിൽ നിന്നുള്ള ചില നിശ്ചലമായ ശബ്ദം കുറയ്ക്കാൻ ജൂലിയസിന് സ്പെക്ട്രൽ കുറയ്ക്കൽ നടത്താനാകും
ഇൻപുട്ട്. ഇത് ശക്തമായ ഒരു രീതിയല്ലെങ്കിലും, ചില സാഹചര്യങ്ങളിൽ ഇത് പ്രവർത്തിച്ചേക്കാം.
ശബ്ദ സ്പെക്ട്രം കണക്കാക്കാൻ ജൂലിയസിന് രണ്ട് വഴികളുണ്ട്. ആദ്യത്തേത് എന്ന് അനുമാനിക്കുക എന്നതാണ് ഒരു വഴി
ഒരു സ്പീച്ച് ഇൻപുട്ടിന്റെ ഷോർട്ട് സെഗ്‌മെന്റ് നോയ്‌സ് സെഗ്‌മെന്റാണ്, കൂടാതെ നോയ്‌സ് സ്പെക്‌ട്രം കണക്കാക്കുക
സെഗ്‌മെന്റിന്റെ ശരാശരിയായി. ശരാശരി സ്പെക്ട്രം കണക്കാക്കുക എന്നതാണ് മറ്റൊരു മാർഗം
മറ്റ് ടൂൾ mkss ഉപയോഗിച്ച് നോയ്സ്-ഒൺലി ഇൻപുട്ട്, അത് ജൂലിയസിൽ ലോഡ് ചെയ്യുക. മുമ്പത്തേത്
സ്പീച്ച് ഫയൽ ഇൻപുട്ടിന് ജനപ്രിയമായത്, രണ്ടാമത്തേത് തത്സമയ ഇൻപുട്ടിൽ ഉപയോഗിക്കണം. ഓപ്ഷനുകൾ
ചുവടെയുള്ള പെരുമാറ്റം മാറും / നിയന്ത്രിക്കും.

-sscalc
ഓരോ ഫയലിന്റെയും തലഭാഗം സൈലൻസ് ഭാഗമായി ഉപയോഗിച്ച് സ്പെക്ട്രൽ കുറയ്ക്കൽ നടത്തുക. ദി
തല ഭാഗത്തിന്റെ നീളം വ്യക്തമാക്കണം -scalclen. ഫയൽ ഇൻപുട്ടിന് മാത്രമേ സാധുതയുള്ളൂ.
യുമായി സംഘർഷം -ssload.

-scalclen msec
കൂടെ -sscalc, നോയ്‌സ് സ്പെക്‌ട്രം എസ്റ്റിമേഷനായി ഹെഡ് സൈലൻസിന്റെ ദൈർഘ്യം വ്യക്തമാക്കുക
മില്ലിസെക്കൻഡിൽ. (സ്ഥിരസ്ഥിതി: 300)

-ssload ഫയല്
മുൻകൂട്ടി കണക്കാക്കിയ നോയ്‌സ് സ്പെക്‌ട്രം ഉപയോഗിച്ച് സംഭാഷണ ഇൻപുട്ടിനായി സ്പെക്ട്രൽ കുറയ്ക്കൽ നടത്തുക
നിന്ന് ലോഡ് ചെയ്തു ഫയല്. mkss വഴി നോയിസ് സ്പെക്ട്രം ഫയൽ നിർമ്മിക്കാം. എല്ലാവർക്കും സാധുവാണ്
സംഭാഷണ ഇൻപുട്ട്. യുമായി സംഘർഷം -sscalc.

-സ്സൽഫ ഫ്ലോട്ട്
സ്പെക്ട്രൽ വ്യവകലനത്തിന്റെ ആൽഫ ഗുണകം -sscalc ഒപ്പം -ssload. ബഹളം ആയിരിക്കും
ഈ മൂല്യം വലുതാകുന്നതിനനുസരിച്ച് കൂടുതൽ ശക്തമായി കുറയ്ക്കുന്നു, പക്ഷേ തത്ഫലമായുണ്ടാകുന്ന വികലത
സിഗ്നലും ശ്രദ്ധേയമാകുന്നു. (സ്ഥിരസ്ഥിതി: 2.0)

-എസ്എസ്ഫ്ലോർ ഫ്ലോട്ട്
സ്പെക്ട്രൽ വ്യവകലനത്തിന്റെ ഫ്ലോറിംഗ് കോഫിഫിഷ്യന്റ്. താഴെ പോകുന്ന സ്പെക്ട്രൽ പവർ
വ്യവകലനത്തിനു ശേഷമുള്ള പൂജ്യം സോഴ്സ് സിഗ്നൽ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കും
ഗുണകം ഗുണിച്ചു. (സ്ഥിരസ്ഥിതി: 0.5)

പലവക. AM ഓപ്ഷനുകൾ
-htkconf ഫയല്
തന്നിരിക്കുന്ന HTK കോൺഫിഗറേഷൻ ഫയൽ പാഴ്‌സ് ചെയ്‌ത്, ജൂലിയസിലേക്ക് അനുബന്ധ പാരാമീറ്ററുകൾ സജ്ജമാക്കുക.
ഈ ഓപ്ഷൻ ഉപയോഗിക്കുമ്പോൾ, സ്ഥിരസ്ഥിതി പാരാമീറ്റർ മൂല്യങ്ങൾ ജൂലിയസിൽ നിന്ന് സ്വിച്ചുചെയ്യുന്നു
സ്ഥിരസ്ഥിതികൾ HTK ഡിഫോൾട്ടുകളിലേക്ക്.

അംഗീകാരം പ്രക്രിയ ഒപ്പം തിരയൽ (-എസ്ആർ)
ഈ വിഭാഗത്തിൽ ബീം പോലെയുള്ള 1st / 2nd പാസ്സിലെ തിരയൽ പാരാമീറ്ററുകൾക്കുള്ള ഓപ്ഷനുകൾ അടങ്ങിയിരിക്കുന്നു
വീതിയും LM വെയിറ്റും, ഷോർട്ട്-പോസ് സെഗ്മെന്റേഷനായുള്ള കോൺഫിഗറേഷനുകൾ, വാക്കിനുള്ള സ്വിച്ചുകൾ
ലാറ്റിസ് ഔട്ട്‌പുട്ടും കൺഫ്യൂഷൻ നെറ്റ്‌വർക്ക് ഔട്ട്‌പുട്ടും നിർബന്ധിത വിന്യാസങ്ങളും മറ്റ് ഓപ്ഷനുകളും
തിരിച്ചറിയൽ പ്രക്രിയയും ഫല ഔട്ട്പുട്ടും.

കംപൈൽ-ടൈം സെറ്റപ്പ് അനുസരിച്ച് ബീം വീതിക്കും എൽഎം വെയിറ്റിനുമുള്ള ഡിഫോൾട്ട് മൂല്യങ്ങൾ മാറും
JuliusLib ന്റെ , AM മോഡൽ തരം, LM വലുപ്പം. യഥാർത്ഥമായതിന് സ്റ്റാർട്ടപ്പ് ലോഗ് കാണുക
മൂല്യങ്ങൾ.

1st കടന്നുപോകുക പാരാമീറ്ററുകൾ
-lmp ഭാരം പെനാൽറ്റി
(എൻ-ഗ്രാം) ഭാഷാ മോഡൽ വെയ്റ്റുകളും ആദ്യ പാസിനുള്ള വാക്ക് ചേർക്കൽ പിഴയും.

-പെനാൽറ്റി1 പെനാൽറ്റി
(വ്യാകരണം) ആദ്യ പാസിനുള്ള വാക്ക് ചേർക്കൽ പിഴ. (സ്ഥിരസ്ഥിതി: 0.0)

-b വീതി
ആദ്യ പാസിൽ റാങ്ക് ബീമിംഗിനായി HMM നോഡുകളുടെ എണ്ണത്തിൽ ബീം വീതി. ഈ മൂല്യം
ഒന്നാം പാസിൽ തിരയൽ വീതി നിർവചിക്കുന്നു, മൊത്തത്തിൽ പ്രബലമായ സ്വാധീനം ചെലുത്തുന്നു
പ്രക്രിയ സമയം. ചെറിയ വീതി ഡീകോഡിംഗ് വേഗത്തിലാക്കും, എന്നാൽ വളരെ ചെറിയ മൂല്യം
തിരയൽ കാരണം തിരിച്ചറിയൽ പിശകുകളുടെ ഗണ്യമായ വർദ്ധനവിന് കാരണമാകും
പരാജയം. വലിയ മൂല്യം തിരയലിനെ സുസ്ഥിരമാക്കുകയും പരാജയരഹിതമാക്കുകയും ചെയ്യും
തിരയുക, എന്നാൽ പ്രോസസ്സിംഗ് സമയം വീതിയുടെ അനുപാതത്തിൽ വളരും.

ഡിഫോൾട്ട് മൂല്യം അക്കോസ്റ്റിക് മോഡൽ തരത്തെ ആശ്രയിച്ചിരിക്കുന്നു: 400 (മോണോഫോൺ), 800
(ട്രിഫോൺ), അല്ലെങ്കിൽ 1000 (ട്രിഫോൺ, സജ്ജീകരണം=v2.1)

- പരിധി സംഖ്യ
ഓരോ നോഡിനും ടോക്കണിന്റെ ഉയർന്ന പരിധി. --enable-wpair കൂടാതെ ഈ ഓപ്ഷൻ സാധുവാണ്
--enable-wpair-nlimit സമാഹരിക്കുന്ന സമയത്ത് പ്രവർത്തനക്ഷമമാക്കും.

-പ്രൊഗൗട്ട്
ആദ്യ പാസിൽ ഭാഗിക ഫലങ്ങളുടെ പുരോഗമന ഔട്ട്പുട്ട് പ്രവർത്തനക്ഷമമാക്കുക.

-പ്രോജിന്റർവൽ msec
സമയ ഇടവേള സജ്ജമാക്കുക -പ്രൊഗൗട്ട് മില്ലിസെക്കൻഡിൽ. (സ്ഥിരസ്ഥിതി: 300)

2nd കടന്നുപോകുക പാരാമീറ്ററുകൾ
-lmp2 ഭാരം പെനാൽറ്റി
(N-gram) ഭാഷാ മോഡലിന്റെ ഭാരവും രണ്ടാമത്തേതിന് വാക്ക് ചേർക്കൽ പിഴയും
കടന്നുപോകുക.

-പെനാൽറ്റി2 പെനാൽറ്റി
രണ്ടാമത്തെ പാസിനുള്ള (വ്യാകരണം) വാക്ക് ചേർക്കൽ പിഴ. (സ്ഥിരസ്ഥിതി: 0.0)

-b2 വീതി
രണ്ടാമത്തെ പാസിൽ എൻവലപ്പ് ബീം വീതി (ഹൈപ്പോഥെസിസിന്റെ എണ്ണം). എങ്കിൽ
തിരയുമ്പോൾ ഒരു നിശ്ചിത അനുമാന ദൈർഘ്യത്തിലുള്ള പദ വികാസം ഈ പരിധിയിലെത്തുന്നു,
ഹ്രസ്വ അനുമാനങ്ങൾ കൂടുതൽ വിപുലീകരിക്കുന്നില്ല. ഇത് തിരയലിൽ വീഴുന്നത് തടയുന്നു
വീതി-ആദ്യം പോലെയുള്ള സാഹചര്യം ഒരേ സ്ഥാനത്ത് അടുക്കുകയും തിരയൽ മെച്ചപ്പെടുത്തുകയും ചെയ്യുക
വലിയ പദാവലി അവസ്ഥയിൽ പരാജയം കൂടുതലും. (സ്ഥിരസ്ഥിതി: 30)

-sb ഫ്ലോട്ട്
എൻവലപ്പ് ചെയ്‌ത സ്‌കോറിംഗിനായി എൻവലപ്പ് വീതി സ്‌കോർ ചെയ്യുക. ഹൈപ്പോതെസിസ് സ്കോർ കണക്കാക്കുമ്പോൾ
സൃഷ്ടിച്ച ഓരോ സിദ്ധാന്തത്തിനും, അതിന്റെ ട്രെല്ലിസ് വികാസവും വിറ്റെർബി പ്രവർത്തനവും ഉണ്ടാകും
ഒരു ഫ്രെയിമിലെ സ്കോർ വീതിക്ക് താഴെയാണെങ്കിൽ സംഭാഷണത്തിന്റെ മധ്യത്തിൽ വെട്ടിമാറ്റുക.
ചെറിയ മൂല്യം നൽകുന്നത് രണ്ടാമത്തെ പാസ് വേഗത്തിലാക്കുന്നു, പക്ഷേ കണക്കുകൂട്ടൽ പിശക് ഉണ്ടാകാം
സംഭവിക്കുക. (സ്ഥിരസ്ഥിതി: 80.0)

-s സംഖ്യ
സ്റ്റാക്ക് വലുപ്പം, അതായത്, സംഭരിക്കാൻ കഴിയുന്ന പരമാവധി എണ്ണം അനുമാനം
തിരയൽ സമയത്ത് സ്റ്റാക്ക്. ഒരു വലിയ മൂല്യം കൂടുതൽ സ്ഥിരതയുള്ള ഫലങ്ങൾ നൽകിയേക്കാം, പക്ഷേ
ആവശ്യമായ മെമ്മറിയുടെ അളവ് വർദ്ധിപ്പിക്കുന്നു. (സ്ഥിരസ്ഥിതി: 500)

-m എണ്ണുക
തിരയൽ നിർത്തുന്നതിന് ആവശ്യമായ വിപുലീകരിച്ച അനുമാനങ്ങളുടെ എണ്ണം. നമ്പർ ആണെങ്കിൽ
വിപുലീകരിച്ച അനുമാനങ്ങൾ ഈ പരിധിയേക്കാൾ വലുതാണ്, തിരയലാണ്
ആ സമയത്ത് നിർത്തലാക്കി. ഈ മൂല്യം വലുതായാൽ, ജൂലിയസിന് കൂടുതൽ കാലം ലഭിക്കും
തിരച്ചിൽ ഉപേക്ഷിക്കുക. (സ്ഥിരസ്ഥിതി: 2000)

-n സംഖ്യ
സ്ഥാനാർത്ഥികളുടെ എണ്ണം ജൂലിയസ് കണ്ടെത്താൻ ശ്രമിക്കുന്നു. ഇത് വരെ തിരച്ചിൽ തുടരുകയാണ്
വാക്യ സിദ്ധാന്തങ്ങളുടെ എണ്ണം കണ്ടെത്തി. ലഭിച്ച വാക്യ സിദ്ധാന്തങ്ങൾ
സ്കോർ പ്രകാരം അടുക്കുന്നു, അന്തിമ ഫലം ക്രമത്തിൽ പ്രദർശിപ്പിക്കും (ഇതും കാണുക
- ഔട്ട്പുട്ട്). ഒപ്റ്റിമൽ സിദ്ധാന്തം ശരിയായി കണ്ടെത്താനുള്ള സാധ്യത
ഈ മൂല്യം വർദ്ധിക്കുന്നതിനനുസരിച്ച് വർദ്ധിക്കുന്നു, പക്ഷേ പ്രോസസ്സിംഗ് സമയവും മാറുന്നു
നീളമുള്ളത്. കംപൈലേഷൻ സമയത്തെ എഞ്ചിൻ സജ്ജീകരണത്തെ ആശ്രയിച്ചാണ് ഡിഫോൾട്ട് മൂല്യം: 10
(സ്റ്റാൻഡേർഡ്) അല്ലെങ്കിൽ 1 (വേഗത അല്ലെങ്കിൽ v2.1)

- ഔട്ട്പുട്ട് സംഖ്യ
മുകളിലെ N വാക്യ സിദ്ധാന്തം തിരയലിന്റെ അവസാനം ഔട്ട്പുട്ട് ചെയ്യും. കൂടെ ഉപയോഗിക്കുക -n
(സ്ഥിരസ്ഥിതി: 1)

-ലുക്ക്പ്രഞ്ച് ഫ്രെയിം
എന്നതിലെ അടുത്ത പദ അനുമാനങ്ങൾ നോക്കുന്നതിന് മുമ്പും ശേഷവും ഫ്രെയിമുകളുടെ എണ്ണം സജ്ജമാക്കുക
രണ്ടാമത്തെ പാസിൽ വാക്ക് ട്രെല്ലിസ്. ഇത് ചെറിയ വാക്കുകൾ ഒഴിവാക്കുന്നത് തടയുന്നു, പക്ഷേ
ഒരു വലിയ മൂല്യം കൊണ്ട്, വികസിപ്പിച്ച അനുമാനങ്ങളുടെ എണ്ണം വർദ്ധിക്കുകയും സിസ്റ്റം വർദ്ധിക്കുകയും ചെയ്യുന്നു
മന്ദഗതിയിലാകുന്നു. (ഡിഫോൾട്ട്: 5)

-ലുക്ക്ട്രെല്ലിസ്
(വ്യാകരണം) വിപുലീകരിക്കുന്നതിനുപകരം ആദ്യ പാസിൽ നിലനിൽക്കുന്ന വാക്കുകൾ മാത്രം വികസിപ്പിക്കുക
വ്യാകരണം പ്രവചിച്ച എല്ലാ വാക്കുകളും. ഈ ഓപ്ഷൻ സെക്കൻഡ് പാസ് ഡീകോഡിംഗ് നടത്തുന്നു
പ്രത്യേകിച്ച് വലിയ പദാവലി അവസ്ഥയ്ക്ക് വേഗതയേറിയതാണ്, പക്ഷേ ഇല്ലാതാക്കൽ വർദ്ധിപ്പിക്കും
ചെറിയ വാക്കുകളുടെ തെറ്റ്. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

ഹ്രസ്വ-വിരാമം വിഭജനം / ഡീകോഡർ-VAD
--enable-decoder-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്യുമ്പോൾ, ഷോർട്ട്-പോസ് സെഗ്മെന്റേഷൻ ഇതായിരിക്കും
ഡീകോഡർ അടിസ്ഥാനമാക്കിയുള്ള VAD-നെ പിന്തുണയ്ക്കുന്നതിനായി വിപുലീകരിച്ചു.

-സ്പെഗ്മെന്റ്
ഷോർട്ട്-പോസ് സെഗ്മെന്റേഷൻ മോഡ് പ്രവർത്തനക്ഷമമാക്കുക. ഒരു ചെറിയ താൽക്കാലികമായി നിർത്തുമ്പോൾ ഇൻപുട്ട് വിഭജിക്കപ്പെടും
വാക്ക് (ഉച്ചാരണത്തിൽ നിശബ്ദത മാത്രമുള്ള വാക്ക്) ഏറ്റവും ഉയർന്ന സാധ്യത ലഭിക്കുന്നു
ആദ്യ പാസിൽ തുടർച്ചയായ ചില ഫ്രെയിമുകളിൽ. സെഗ്മെന്റ് അവസാനിക്കുമ്പോൾ,
ജൂലിയസ് 1-ആം പാസ് പോയിന്റിൽ നിർത്തി, 2-ആം പാസ് നടത്തുക, അടുത്തത് തുടരുക
സെഗ്മെന്റ്. സെഗ്‌മെന്റുകൾക്കിടയിൽ പദം സന്ദർഭം പരിഗണിക്കും. (റവ. 4.0)

--enable-decoder-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്യുമ്പോൾ, ഈ ഓപ്ഷൻ ഡീകോഡർ അടിസ്ഥാനമാക്കിയുള്ള VAD പ്രവർത്തനക്ഷമമാക്കുന്നു,
നീണ്ട നിശബ്ദത ഒഴിവാക്കുക.

-spdur ഫ്രെയിം
ഫ്രെയിമുകളുടെ എണ്ണത്തിൽ ഇൻപുട്ട് സെഗ്‌മെന്റിന്റെ അവസാനം കണ്ടെത്താൻ ഹ്രസ്വമായ താൽക്കാലികമായി നിർത്തുന്ന ദൈർഘ്യം.
(സ്ഥിരസ്ഥിതി: 10)

-പോസ് മോഡലുകൾ സ്ട്രിംഗ്
ഹ്രസ്വ-വിരാമ സമയത്ത് ഉപയോഗിക്കേണ്ട താൽക്കാലിക മോഡൽ പേരുകളുടെ കോമയാൽ വേർതിരിച്ച ലിസ്റ്റ്
വിഭജനം. താൽക്കാലികമായി നിർത്തുന്ന മോഡലുകൾ മാത്രം ഉൾക്കൊള്ളുന്ന വാക്ക്
"താൽക്കാലികമായി നിർത്തുന്ന വാക്ക്" ആയി കണക്കാക്കുകയും താൽക്കാലികമായി നിർത്തുന്നതിന് ഉപയോഗിക്കുകയും ചെയ്യും. വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ,
പേര് - spmodel, -സിൽഹെഡ് ഒപ്പം - സിൽടെയിൽ ഉപയോഗിക്കും. (റവ. 4.0)

- spmargin ഫ്രെയിം
ഡീകോഡർ അധിഷ്‌ഠിത VAD-യ്‌ക്ക് ട്രിഗർ അപ്പ് ചെയ്യുമ്പോൾ ബാക്ക് സ്റ്റെപ്പ് മാർജിൻ. സംസാരം ഉണർത്തുമ്പോൾ
ഡീകോഡർ-VAD കണ്ടെത്തി, ജൂലിയസ് ഈ മൂല്യം ഉപയോഗിച്ച് ഇൻപുട്ട് പാരാമീറ്റർ റിവൈൻഡ് ചെയ്യും
പോയിന്റിൽ തിരിച്ചറിയൽ ആരംഭിക്കുക. (റവ. 4.0)

--enable-decoder-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്താൽ മാത്രമേ ഈ ഓപ്ഷൻ സാധുവാകൂ.

-spdelay ഫ്രെയിം
ഡീകോഡർ അധിഷ്‌ഠിത VAD-യ്‌ക്കായുള്ള ട്രിഗർ അപ്പ് സമയത്ത് ട്രിഗർ തീരുമാനം കാലതാമസം ഫ്രെയിം. (റവ. 4.0)

--enable-decoder-vad ഉപയോഗിച്ച് കംപൈൽ ചെയ്താൽ മാത്രമേ ഈ ഓപ്ഷൻ സാധുവാകൂ.

വാക്ക് ജലാശയം / ആശയക്കുഴപ്പം നെറ്റ്വർക്ക് ഔട്ട്പുട്ട്
-ലാറ്റിസ് , -നോലാറ്റിസ്
വേഡ് ഗ്രാഫിന്റെ ജനറേഷൻ പ്രവർത്തനക്ഷമമാക്കുക / പ്രവർത്തനരഹിതമാക്കുക. തിരയൽ അൽഗോരിതം എന്നതിലേക്കും മാറിയിരിക്കുന്നു
മികച്ച വാക്ക് ഗ്രാഫ് ജനറേഷനായി ഒപ്റ്റിമൈസ് ചെയ്യുക, അതിനാൽ വാക്യ ഫലം ആയിരിക്കണമെന്നില്ല
സാധാരണ N-മികച്ച തിരിച്ചറിയൽ പോലെ തന്നെ. (റവ. 4.0)

-confnet , -noconfnet
ആശയക്കുഴപ്പം സൃഷ്ടിക്കുന്ന നെറ്റ്‌വർക്ക് പ്രവർത്തനക്ഷമമാക്കുക / പ്രവർത്തനരഹിതമാക്കുക. ഇതും പ്രവർത്തനക്ഷമമാക്കും
സജീവമാക്കുന്നു -ലാറ്റിസ് ആന്തരികമായി. (റവ. 4.0)

-ഗ്രാഫ്റേഞ്ച് ഫ്രെയിം
ഗ്രാഫ് ജനറേഷനിൽ അയൽക്കാരന്റെ സ്ഥാനത്ത് സമാന വാക്കുകൾ ലയിപ്പിക്കുക. ആരംഭ സമയമാണെങ്കിൽ
ഒരേ വാക്കിന്റെ രണ്ട് വാക്ക് കാൻഡിഡേറ്റുകളുടെ അവസാന സമയം നിർദ്ദിഷ്ട പരിധിക്കുള്ളിലാണ്
ശ്രേണി, അവ ലയിപ്പിക്കും. സ്ഥിരസ്ഥിതി 0 ആണ് (ഒരേ വാക്കുകൾ ലയിപ്പിക്കാൻ അനുവദിക്കുക
കൃത്യമായി അതേ സ്ഥാനം) കൂടാതെ വലിയ മൂല്യം വ്യക്തമാക്കുന്നത് ചെറുതാക്കി മാറ്റും
ഗ്രാഫ് ഔട്ട്പുട്ട്. ഈ മൂല്യം -1 ആയി സജ്ജീകരിക്കുന്നത് ലയനം അപ്രാപ്തമാക്കും, അതേ സാഹചര്യത്തിൽ
വ്യത്യസ്‌ത സ്‌കോറുകളുടെ ഒരേ ലൊക്കേഷനിലുള്ള വാക്കുകൾ അതേപടി അവശേഷിക്കും.
(സ്ഥിരസ്ഥിതി: 0)

-ഗ്രാഫ്കട്ട് ആഴത്തിൽ
പോസ്റ്റ്-പ്രോസസിംഗ് ഘട്ടത്തിൽ തത്ഫലമായുണ്ടാകുന്ന ഗ്രാഫ് അതിന്റെ വേഡ് ഡെപ്ത് ഉപയോഗിച്ച് മുറിക്കുക. ആഴം
ഒരു ഫ്രെയിമിൽ അനുവദിക്കേണ്ട പദങ്ങളുടെ എണ്ണമാണ് മൂല്യം. -1-ലേക്ക് ക്രമീകരണം പ്രവർത്തനരഹിതമാക്കുന്നു
ഈ സവിശേഷത. (സ്ഥിരസ്ഥിതി: 80)

-ഗ്രാഫ്ബൗണ്ട്ലൂപ്പ് എണ്ണുക
പോസ്റ്റ്-പ്രോസസിംഗ് ഘട്ടത്തിൽ അതിർത്തി ക്രമീകരിക്കൽ ലൂപ്പിന്റെ എണ്ണം പരിമിതപ്പെടുത്തുക. ഈ
പാരാമീറ്റർ ജൂലിയസിനെ ചെറുതായി അനന്തമായ അഡ്ജസ്റ്റ്മെന്റ് ലൂപ്പ് വഴി തടയുന്നതിൽ നിന്ന് തടയുന്നു
വാക്ക് ആന്ദോളനം. (സ്ഥിരസ്ഥിതി: 20)

-ഗ്രാഫ് തിരയൽ കാലതാമസം , -നോഗ്രാഫ് തിരയൽ കാലതാമസം
ഈ ഓപ്ഷൻ പ്രവർത്തനക്ഷമമാക്കുമ്പോൾ, ജൂലിയസ് അതിന്റെ ഗ്രാഫ് ജനറേഷൻ അൽഗോരിതം പരിഷ്കരിക്കുന്നു
ആദ്യ വാചകം വരെ ഗ്രാഫ് ലയിപ്പിച്ച് തിരയൽ അവസാനിപ്പിക്കരുത് എന്ന രണ്ടാമത്തെ പാസ്
സ്ഥാനാർത്ഥിയെ കണ്ടെത്തി. ഈ ഓപ്ഷൻ ഗ്രാഫ് കൃത്യത മെച്ചപ്പെടുത്തിയേക്കാം, പ്രത്യേകിച്ചും നിങ്ങൾ
വിശാലമായ തിരയൽ സജ്ജീകരിച്ച് ഒരു വലിയ വേഡ് ഗ്രാഫ് സൃഷ്ടിക്കാൻ പോകുന്നു. അതായത്, അത് ചെയ്യാം
ഒന്നാം പാസിലും വൈഡ് ബീമുകൾ സജ്ജീകരിക്കുമ്പോൾ മികച്ച ഗ്രാഫ് കൃത്യത ലഭിക്കും -b ഒപ്പം
രണ്ടാം പാസ് -b2, കൂടാതെ വലിയ സംഖ്യ -n. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

മൾട്ടി-ഗ്രാം / മൾട്ടി-ഡിക് തിരിച്ചറിയൽ
- മൾട്ടിഗ്രാമൗട്ട് , -നാമൾട്ടിഗ്രാംഔട്ട്
ഒന്നിലധികം വ്യാകരണങ്ങൾ ഉപയോഗിച്ച് വ്യാകരണം തിരിച്ചറിയുമ്പോൾ, ജൂലിയസ് മികച്ചത് മാത്രം ഔട്ട്പുട്ട് ചെയ്യും
എല്ലാ വ്യാകരണങ്ങൾക്കിടയിലും ഫലം. ഈ ഓപ്‌ഷൻ പ്രവർത്തനക്ഷമമാക്കുന്നത് ജൂലിയസിനെ ഔട്ട്‌പുട്ടാക്കി മാറ്റും
ഓരോ വ്യാകരണത്തിനും ഫലം. (ഡിഫോൾട്ട്: അപ്രാപ്തമാക്കി)

നിർബന്ധിതമായി വിന്യാസം
-വാലിൻ
തിരിച്ചറിയൽ ഫലത്തിനായി ഓരോ പദ യൂണിറ്റിനും viterbi അലൈൻമെന്റ് നടത്തുക. വാക്ക്
ബൗണ്ടറി ഫ്രെയിമുകളും ഓരോ ഫ്രെയിമിലെ ശരാശരി അക്കോസ്റ്റിക് സ്‌കോറുകളും കണക്കാക്കും.

-പാലിൻ
തിരിച്ചറിയൽ ഫലത്തിനായി ഓരോ ഫോൺ യൂണിറ്റിനും viterbi അലൈൻമെന്റ് നടത്തുക. ഫോണ്
ബൗണ്ടറി ഫ്രെയിമുകളും ഓരോ ഫ്രെയിമിലെ ശരാശരി അക്കോസ്റ്റിക് സ്‌കോറുകളും കണക്കാക്കും.

-സാലിൻ
തിരിച്ചറിയൽ ഫലത്തിനായി ഓരോ സംസ്ഥാനത്തിനും viterbi അലൈൻമെന്റ് നടത്തുക. സംസ്ഥാന അതിർത്തി
ഫ്രെയിമുകളും ഓരോ ഫ്രെയിമിന്റെ ശരാശരി അക്കോസ്റ്റിക് സ്‌കോറുകളും കണക്കാക്കും.

പലവക. തിരയൽ ഓപ്ഷനുകൾ
- നിഷ്ക്രിയ
പ്രവർത്തനരഹിതമായ അവസ്ഥയിൽ ഈ തിരിച്ചറിയൽ പ്രക്രിയ ആരംഭിക്കുക. (റവ. 4.0)

-1 പാസ്
ആദ്യ പാസ് മാത്രം നടത്തുക.

-Fallback1pass
രണ്ടാം പാസ് പരാജയപ്പെടുമ്പോൾ, ജൂലിയസ് ഒരു ഫലവുമില്ലാതെ തിരിച്ചറിയൽ പൂർത്തിയാക്കുന്നു. ഈ ഓപ്ഷൻ
ജൂലിയസിനോട് 1-ആം പാസ് റിസൾട്ട് 2-ആം പാസ്സ് വരുമ്പോൾ അന്തിമ ഫലമായി ഔട്ട്പുട്ട് ചെയ്യാൻ പറയുക
പരാജയപ്പെടുന്നു. ചില സ്കോർ ഔട്ട്പുട്ട് (ആത്മവിശ്വാസം മുതലായവ) ഉപയോഗപ്രദമായേക്കില്ല എന്നത് ശ്രദ്ധിക്കുക. ഇതായിരുന്നു
ജൂലിയസ്-3.x-ന്റെ ഡിഫോൾട്ട് സ്വഭാവം.

-no_ccd , -force_ccd
തിരയലിൽ ഫോൺ സന്ദർഭ കൈകാര്യം ചെയ്യൽ വ്യക്തമായി മാറ്റുക. സാധാരണയായി ജൂലിയസ് നിർണ്ണയിക്കുന്നു
എഎം ഉപയോഗിക്കുന്നത് സന്ദർഭത്തെ ആശ്രയിച്ചുള്ള മോഡലാണോ അതോ മോഡൽ പേരുകളിൽ നിന്നല്ല,
അതായത്, പേരുകളിൽ പ്രതീകം + ഉം - ഉം ഉണ്ടോ എന്ന്. ഈ ഓപ്ഷൻ അസാധുവാക്കും
യാന്ത്രിക കണ്ടെത്തൽ.

-cmalpha ഫ്ലോട്ട്
ആത്മവിശ്വാസം നേടുന്നതിനുള്ള സുഗമമായ പാരാമീറ്റർ. (സ്ഥിരസ്ഥിതി: 0.05)

-iwsp
(മൾട്ടി-പാത്ത് മോഡ് മാത്രം) ഇന്റർ-വേഡ് കോൺടെക്‌സ്‌റ്റ് ഫ്രീ ഷോർട്ട് പോസ് ഇൻസേർഷൻ പ്രവർത്തനക്ഷമമാക്കുക.
ഈ ഓപ്‌ഷൻ എല്ലാ പദാവസാനത്തിനും ഒഴിവാക്കാവുന്ന ഒരു ചെറിയ താൽക്കാലിക വിരാമ മോഡൽ കൂട്ടിച്ചേർക്കുന്നു. ദി
ഷോർട്ട്-പോസ് മോഡൽ വ്യക്തമാക്കാം - spmodel.

- transp ഫ്ലോട്ട്
സുതാര്യമായ വാക്കുകൾക്ക് അധിക ഉൾപ്പെടുത്തൽ പിഴ. (സ്ഥിരസ്ഥിതി: 0.0)

-ഡെമോ
തുല്യമായ -പ്രൊഗൗട്ട് - നിശബ്ദം.

ENVIRONMENT വ്യത്യാസങ്ങൾ

അൽസദേവ്
(alsa ഉപകരണത്തിനൊപ്പം മൈക്ക് ഇൻപുട്ട് ഉപയോഗിച്ച്) ഒരു ക്യാപ്‌ചർ ഉപകരണത്തിന്റെ പേര് വ്യക്തമാക്കുക. വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ,
"default" ഉപയോഗിക്കും.

ഓഡിയോദേവ്
(ഓസ് ഉപകരണത്തിനൊപ്പം മൈക്ക് ഇൻപുട്ട് ഉപയോഗിച്ച്) ഒരു ക്യാപ്‌ചർ ഉപകരണ പാത വ്യക്തമാക്കുക. വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ,
"/dev/dsp" ഉപയോഗിക്കും.

LATENCY_MSEC
മൈക്രോഫോൺ ഇൻപുട്ടിന്റെ ഇൻപുട്ട് ലേറ്റൻസി മില്ലിസെക്കൻഡിൽ സജ്ജീകരിക്കാൻ ശ്രമിക്കുക. ചെറിയ മൂല്യം ആയിരിക്കും
കാലതാമസം കുറയ്ക്കുക, പക്ഷേ ചിലപ്പോൾ പ്രക്രിയ അസ്ഥിരമാക്കുക. ഡിഫോൾട്ട് മൂല്യത്തെ ആശ്രയിച്ചിരിക്കും
പ്രവർത്തിക്കുന്ന OS.

ഉദാഹരണങ്ങൾ

സിസ്റ്റം ഉപയോഗത്തിന്റെ ഉദാഹരണങ്ങൾക്കായി, ജൂലിയസ് ഡോക്യുമെന്റുകളിലെ ട്യൂട്ടോറിയൽ വിഭാഗം കാണുക.

അറിയിപ്പ്

jconf ഫയലുകളെ കുറിച്ചുള്ള കുറിപ്പ്: jconf ഫയലിലെ ആപേക്ഷിക പാത്തുകൾ ആപേക്ഷികമായി വ്യാഖ്യാനിക്കപ്പെടുന്നു
jconf ഫയൽ തന്നെ, നിലവിലെ ഡയറക്ടറിയിലല്ല.

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് ജൂലിയസ് ഓൺലൈനായി ഉപയോഗിക്കുക