音素提取是語音識別中的一塊重要內容。

G2P（Grapheme-to-Phoneme），英文意思是字素到音素，使用迴圈神經網路(recurrent neural network,RNN) 和LSTM( long short-termmemory units)，來實現從英文單詞到音素的轉化。LSTM序列到序列模型(LSTM sequence-to-sequencemodel)已經被成功地應用到許多專案中，這些應用包括機器翻譯，字素轉因素等等。

Github上的G2P是基於Google開源深度學習系統TensorFlow實現的，所以在執行之前要先安裝TensorFLow。

一、TensorFlow安裝

      安裝TensorFLow的方法有很多種，可以用Pip、Virtualenv、Anaconda、Docker以及從原始碼安裝。這裡選擇 Virtualenv，因為使用 Virtualenv可以將Tensorflow所需要的各種依賴安裝到指定的資料夾中，而不改變系統中原有的各種庫的版本。

      使用 Virtualenv安裝分為一下幾步：

      1、安裝Pip 和 Virtualenv:

     $ sudo apt-get installpython-pip python-dev python-virtualenv

      2、設定Virtualenv工作的資料夾為~/tensorflow：

     $ virtualenv--system-site-packages ~/tensorflow

   3、啟用工作環境，然後使用Pip將TensorFLow安裝在~/tensorflow中：

           $source ~/tensorflow/bin/activate

           (tensorflow)$  #命令列變成了這樣

       #使用Pip安裝,這裡安裝只使用CPU的版本

                                                    /tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-\                                          linux_x86_64.whl

此時出現了問題：

OSError:[Errno 2] 沒有那個檔案或目錄:'/usr/local/lib/python2.7/dist-packages/setuptools-18.1-py2.7.egg'

解決方法，解除安裝已經有的setuptools：

 pip uninstall setuptools

再安裝一下，成功：

安裝TensorFlow之後，又出現問題：

importtensorflow 後，出現段錯誤segment fault

解決方法：

（1）解除安裝一些python庫：

 sudo pip uninstall six wheel numpy scipysckit-image scikit-learn protobuf

（2）重新安裝：

（3）成功：

>>>import tensorflow

>>>

二、下面是G2P的執行方式：

1、在github上下載G2P檔案：

在sourceforge上下載一個已經訓練好的模型：

2、執行G2P最簡單的方式是使用命令列進行互動的方式：

       $: pythong2p.py --interactive --model ~/Work/g2p-seq2seq-cmudict

      其中~/Work/g2p-seq2seq-cmudict是上一步下載的已經訓練好的模型檔案所在路徑。

測試：

4、訓練G2P模型

訓練G2P模型需要一個人工標註的字典：

下載並解壓後，裡面有個名字為cmudict.dic.train的檔案，這個就是我們需要的字典，裡面有大概11萬個單詞，每一行放置一個單詞及其對應的因素。具體如下圖：

然後根據這個字典就可以訓練模型了，用法如下：

  $:python g2p.py --train train_dictionary.dic --model model_folder_path

其中 train_dictionary.dic就是之前下載的字典，model_folder_path為訓練好後的模型儲存的位置。

      訓練模型的語句中，還有一些引數可供選擇：

      --max_steps：訓練迭代的次數(預設情況下 maxsteps=0，此時模型會不停的迭代， 直到訓練效果不能再好為止)。

   --size：神經網路的節點數目（預設情況下 size=64），在實驗中發現，size=512  會擁有更好的結果，但是size=512時訓練時間會變長。

   --num_layers:神經網路的層數（預設情況下num_layers=2），如果訓練集很小 的話，可以設定num_layers=1, 當num_layers=3時會得到更好的結果

 python ~/Work/g2p-seq2seq-master/g2p_seq2seq/g2p.py--train cmudict.dic.train --test cmudict.dic.test  --num_layers 2 --size 512 --model~/Work/model1 --max_steps 0

同時還可以檢視一個模型的識別準確率，用法如下：

    $:pythong2p.py --evaluate test_dictionary.dic --model model_folder_path

同其中test_dictionary.dic

最後不得不說，在沒有大規模語料的情況下，準確率還是相當的低。。