単語辞書のファイル形式は ， HTK の辞書フォーマットを拡張したものであり，一行に一つずつ，単語とその読みを定義する．各フィー ルドは空白またはタブで区切られる．以下に詳細を述べる．

＜地名＞ @-2.33251 京都+52 [京都] ky o: t o
＜地名＞ @-1.68893 奈良+52 [奈良] n a r a
＜地名＞ @-2.63574 和歌山+52 [和歌山] w a k a y a m a

課税+1  [カゼイ]        k a z e i 
課題+1  [カダイ]        k a d a i
課長+1  [カチョウ]      k a ch o: 
課長+1  [カチョウ]      k a ch o u 
過ぎ+過ぎる+102 [スギ]  s u g i
過ぎ+過ぎる+114 [スギ]  s u g i

試験的機能の一つとして，N-gram 用の辞書において，辞書上の任意の単語を「透過語」に指定することができる．透過語は，N-gram 確率計算時に，コンテキスト上でスキップされる．例えば，文「今日 は ， 良い」の前向き3-gram計算時，透過語指定がない場合は左のように通常の3-gramが計算される．これに対して， 単語「，」を透過語に指定した場合，右側の下2行のように， 「，」が後続の単語のコンテキストから除外されて確率が計算される．このように，コンテキストとして情報が少ない単語を透過語にすることで，実質的なN-gramの距離を稼ぐことができる場合がある．

P(<s> 今日 は　，寒い </s>)  P(<s> 今日 は　，寒い </s>)
 =  P(<s> <s> | 今日)         =  P(<s> <s> | 今日)
  * P(<s> 今日 | は)              * P(<s> 今日 | は)
  * P(今日 は | ，)                  * P(今日 は | ，)
  * P(は ， | 寒い)                  * P(今日 は | 寒い)
  * P(， 寒い | </s>)             * P(は 寒い | </s>)

透過語は，主に句読点やフィラーなどコンテキストと無関係に挿入されやすい単語に対して指定すると効果がある場合がある．透過単語とするには，辞書において第3フィールドを "{" "}" 囲みで記述する．以下は単語「、+、+75」を透過語と指定する例である．

</s>	[]	silE
<s>	[]	silB
、+、+75	{、}	sp
。+。+74	[。]	sp 
？+？+73	[？]	sp 

単語間のポーズに対応する単語を辞書に追加できる．単語間のポーズを言語モデル上でモデル化しておらず，辞書にもそれに対応するエントリが存在しない場合，このオプションを指定することで認識率が改善されることがある． 追加する場合は-iwspwordを指定する．また， 追加される単語の内容はオプション-iwspentryで変更できる．

デフォルトの語彙数の上限は 65,534 語である．ただし，コンパイル時に --enable-words-intを指定することで，単語IDを 32bit に拡張してこの上限を撤廃できる（上限は理論上 2^31 語となる）．

1単語あたりの音素数の最大は 256 である．

使用するには，ARPA標準形式のN-gramをオプション -nlr, -nrl で指定するか，あるいはバイナリN-gramを -d で指定する．また単語辞書を -v で指定する．以下はバイナリ N-gram の場合の例である．

% julius ... -d bingramfile -v dictfile

Julius は第1パスは left-to-right, 第2パスでは逆に入力終端から始端に向かってright-to-left に探索を行う．このため，第1パスでは通常の前向き (left-to-right) の 2-gram，第2パスでは後ろ向きの N-gram がそれぞれ必要となる．前向き，後ろ向きのどちらか一方のみを与える，あるいはそれぞれのパス用に両方のN-gramを指定することもできる．

前向きと後ろ向きの両方の N-gram を与えた場合，第1パスで前向きの2-gram が適用され，第2パスで後ろ向きの N-gram が適用される．与えられた前向き N-gram に 3-gram より長い N-gram がある場合，その中の 2-gram のみが用いられる．内部でインデックスを共有するため，前向きN-gramと後ろ向き N-ramは同一の学習コーパスから学習され，語彙およびカットオフ値も同一である必要がある．

どちらか一方の N-gram のみを指定した場合，与えられたモデルと逆向きの探索パスでは，ベイズ則にしたがい算出した逆向き確率が用いられる．前向き N-gramのみの場合，第1パスではその中の前向き2-gram を用い，第2パスではベイズ則にしたがって後向き確率に変換した確率が用いられる．逆に後ろ向き N-gramのみを指定した場合は，第1パスではその中の後ろ向き2-gramをベイズ則により前向き2-gram確率に変換した値を用い，第2パスでは後ろ向きN-gram をそのまま適用する．

N-gramを用いた認識では，N-gramファイル，および各単語の読み（クラス N-gramでは加えてクラス内確率）を記述した単語辞書の２つをJuliusに与えて認識を行う．単語辞書では，第1フィールドに，対応するN-gram中の語彙を指定する． 以下，対応するN-gramのファイル形式を説明する．

% mkbingram -nlr forward_2gram.arpa -nrl backward_Ngram.arpa out.bingram

SRILMでは，文開始記号について以下のような特殊な処理が行われるため， Julius で用いる際には特に注意と追加の手順が必要である．

Juliusは逆向き探索を行うため，以上のような特徴を持つSRILM言語モデルをそのまま使用すると，逆向きに探索を行う際に言語制約上文頭記号が出現しないことになり，認識は起動するが，最後まで探索が成功せずに常に認識に失敗してしまう現象が発生する．

SRILMを用いて Julius 用の言語モデルを構築する手順を以下に示す．なお， SRILM で構築した言語モデルをJuliusで使用する際には，前向きと後ろ向きの両方を用いる必要がある．

バージョン 4.1.2 以降では SRILM に対する対処が入っているため，必要な手順は4.1.1 以前と 4.1.2 以降で異なる．以下，4.1.2 以降の場合の構築手順を示す． 特にステップ２に注意せよ．

4.1.1 以前の Julius で用いる場合は，上記のステップ5までを行った後， 以下の修正を人手で加えてからステップ6を実行する．

認識用文法は，以下の2種類のファイルとして記述する．

それぞれの書き方を以下に説明する．なお，例としてここでは，『りんご３個です』『蜜柑8個をください』などの発話を受理する「果物注文システム」用の文法を考える．また，変換後のオートマトン（dfa ファイル）についても述べる．

S       :  NS_B FRUIT_N PLEASE NS_E
# 果物名(+数量)
FRUIT_N :  FRUIT
FRUIT_N :  FRUIT NUM KO
# ください/にしてください/です
PLEASE  :  WO KUDASAI
PLEASE  :  NISHITE KUDASAI
PLEASE  :  DESU

WORD_LOOP: WORD_LOOP WORD
WORD_LOOP: WORD

% FRUIT
蜜柑           m i k a N
リンゴ         r i N g o
ぶどう         b u d o:
% NUM
0         z e r o
1         i ch i
2         n i:
3         s a N
4         y o N
5         g o:
6         r o k u
7         n a n a
7         sh i ch i
8         h a ch i
9         ky u:
% KO
個             k o
% WO
を             o
% KUDASAI
ください       k u d a s a i
% NISHITE
にして         n i sh i t e
% DESU
です           d e s u
% NS_B
<s>            silB
% NS_E
</s>           silE

grammar ファイルと voca ファイルを，付属のコンパイラ mkdfa.pl を用いて Julius の形式であるオートマトン（dfa ファイル）と単語辞書（dict ファイル）に変換する． fruit.grammar, fruit.voca を mkdfa.pl で fruit.dfaとfruit.dictに変換する実行例を以下に示す．

% mkdfa.pl fruit
fruit.grammar has 6 rules
fruit.voca    has 9 categories and 20 words
---
Now parsing grammar file
Now modifying grammar to minimize states[0]
Now parsing vocabulary file
Now making nondeterministic finite automaton[8/8]
Now making deterministic finite automaton[8/8]
Now making triplet list[8/8]
---
-rw-r--r--    1 foo      users         112 May  9 21:31 fruit.dfa
-rw-r--r--    1 foo      users         351 May  9 21:31 fruit.dict
-rw-r--r--    1 foo      users          65 May  9 21:31 fruit.term

作成した文法がどの程度正しく作れているかをチェックする方法の一つとして， 文法にしたがって文をランダムに生成するツール "generate" が提供されている．これを用いることで，意図に反するような文章が生成されないか，あるいは認識したい文章がきちんと出力されるかどうかチェックできる．以下は， "fruit.dfa", "fruit.dict" からの生成例である．

% generate fruit
Reading in dictionary...13 words...done
Reading in DFA grammar...done
Mapping dict item <-> DFA terminal (category)...done
Reading in term file (optional)...done
9 categories, 13 words
DFA has 8 nodes and 10 arcs
----- 
 <s> 蜜柑 1 個 です </s>
 <s> リンゴ 9 個 です </s>
 <s> ぶどう 9 個 です </s>
 <s> リンゴ です </s>
 <s> ぶどう 4 個 です </s>
 <s> ぶどう にして ください </s>
 <s> ぶどう です </s>
 <s> 蜜柑 9 個 です </s>
 <s> 蜜柑 です </s>
 <s> 蜜柑 を ください </s>

Julius に文法ファイル (.dfa, .dict) を与えるには，以下のようにオプション -gram を使用する．

% julius ... -gram basename

basenameには，.dfa および .dict ファイルの共通のプレフィックスを指定する．例えば，"foo.dfa" と "foo.dict" がカレントディレクトリにある場合， "foo" のように指定する．また，以下のように別個に指定する旧バージョンでの方法も可能である．

% julius ... -dfa foo.dfa -v foo.dict

Julius では，一つの言語モデルインスタンス内に複数の文法を使用できる． 複数の文法が与えられたとき，Julius はそれらを並列に結合した文法を内部で生成し，それに基づいて認識を行う．

複数の文法を指定するには，オプション-gram においてコンマ区切りで複数の文法を指定する．

% julius ... -gram base1,base2,base3

あるいは，-gram を複数回に分けて指定することもできる． 複数回指定した場合は，その全てが読み込まれる．

% julius ... -gram base1 -gram base2 -gram base2

また，文法のリストをファイルに記述しておき，それを与えることもできる．

% julius ... -gramlist gramlistfile

gramlistfile 内では一行に１つずつ文法のプレフィックスを指定する．プレフィックスは，その gramlistfile のある場所からの相対パスで記述する（実行時のカレントディレクトリではないことに注意）．また '#' 以降行末まではコメントとして無視される． この -gramlist についても，複数回指定したり， -gram と同時に指定した場合，その全てが読み込まれる．

-nogramオプションを使用すると，それ以前に -gram や -gramlist, -dfa, -dict で指定されていた文法をクリアすることができる．

複数の文法を指定した認識時，Juliusは与えられた文法全体のなかで最も尤度の高い結果を出力する．オプション -multigramout を指定することで，文法ごとの最尤仮説を個別に出力することもできる．ただし，このオプションを指定した場合，第1 パスのビーム幅が狭いと認識結果が得られない文法が出てくる．すべての文法に対して認識結果を得たい場合は，第1パスのビーム幅を十分広く取る必要がある．

ある程度の長さの文章を発声しようとするとき，多くの場合，文節区切りなど特定の位置で，息継ぎによる「発声休止」が起こる．認識用文法において，この発声休止が起こる可能性のある場所を指定しておくことで，Julius は発声休止の有無を考慮した認識を行うことができる．

Julius で発声の休止位置を記述するには，まず grammarファイルで，休止の出現しうる単語間にカテゴリ名「NOISE」を挿入する．さらに，vocaファイルでこの「NOISE」カテゴリに，無音の音響モデル（標準モデルでは "sp"）を読みとする単語を定義する．

以下に fruit での例を示す．休止が入りうる場所に入れていくのがよい．

# fruit.grammar (NOISE対応版)
S       :  NS_B FRUIT_N NOISE PLEASE NS_E
# 果物名(+数量)
FRUIT_N :  FRUIT
FRUIT_N :  FRUIT NUM KO
# ください/にしてください/です
PLEASE  :  WO NOISE KUDASAI
PLEASE  :  NISHITE KUDASAI
PLEASE  :  DESU

これに対応する fruit.voca では，以下の2行を追加する． 第1欄は無音が挿入されたときに出力される文字列であり，何を指定してもよい．

% NOISE
<sp>	sp

なお，無音を表す無音音響モデルの名前のデフォルトは sp である．使用する音響モデルにこの名前のモデルが無音のモデルとして定義されている必要がある．モデル名が異なる場合，この名前は，オプション -spmodel で変更できる．

grammar ファイルと voca ファイルをコンパイルして得られるDFA ファイルは オートマトン定義ファイルであり，grammar で記述される文法制約を有限状態オートマトンに変換したものである．以下に上記の fruit 文法で生成されるファイル fruit.dfa を示す．

0 8 1 0 0
1 4 2 0 0
1 6 3 0 0
2 3 3 0 0
2 5 3 0 0
3 0 4 0 0
3 2 5 0 0
4 7 6 0 0
5 1 7 0 0
6 -1 -1 1 0
7 0 4 0 0

DFA は辞書上の単語カテゴリ番号を出力とするMealy型オートマトンであり，1 行に1つの遷移が書かれている．第1フィールドは遷移元の状態番号，第2フィー ルドは出力する単語カテゴリ番号，第3フィールドは遷移先の状態番号である． 第4フィールドは第1フィールドの状態のフラグであり，最下位ビットが1であるとき最終状態を表わす．遷移を定義せずに状態フラグのみをセットしたい場合は，上記の最後から2行目のように，第2，第3フィールドに -1 を指定する． 第5フィールドはダミーであり，歴史的経緯から残されているが無視してかまわない．また，初期状態は常に状態番号 0 である．

単語カテゴリ番号と実際のカテゴリ名の対応は，コンパイル時に同時に出力される .term ファイルに記述されている．