

<HTML><BODY>Hi, all,<br> <br> I use lattice-tool.exe to convert word lattices (in HTK-like SLF format) obtained from recognition pass into a word confusion networks (meshes). SLFs contains both acoustic and language model scores and lm_scale parameter (used by recognizer) in its header. Word insertion penalty was set to 0.<br> <br> When I scale both acoustic and LM scores with a constant factor C, I see that the 1-best path through mesh depends strongly on it. When C is large the mesh 1-best sentence coincides to word lattice 1-best sentence (which is in turn recognizer 1-best output), but when C goes down to zero, WER of mesh 1-best sequence increases monotonically.<br> I believed that optimal value of this factor should be about 1/lm_scale (as proposed in several papers, for example, "Confidence measures for Large Vocabulary Speech Recognition" by F.Wessel et al., 2001), but I observe an average WER increase about 5% absolute over large number of files for such factor value.<br> <br> Is it caused by incorrect use of lattice-tool for mesh generation or this situation is normal ?<br><br>Maxim.<br></BODY></HTML>