kaldi入门学习

1. 安装

   git clone https://github.com/kaldi-asr/kaldi.git
   cd kaldi/tools/; make; cd ../src; ./configure; make

环境问题.png
一大堆东西没装，给跪了
安装automake和autoconf
brew install wget

2. 主要目录结构

egs – 完整流程例子脚本,
misc – 辅助工具,
src – kaldi源代码,
tools – 有用的模块和工具,
windows – windows用工具.

3. pipeline

3.1 数据准备

lexicon： 文字->声音 AAW -> ey ey d ah b y uw
G.txt (bigram decoding graph, in OpenFst text format)
声音和人的映射关系： utt2spk/spk2utt

symbol-tables for words and phones (OpenFst format)

词/音素建立id-mapping

创建binary-format FST，用整数代替字符
data/G.fst（语法）, data/L.fst（lexicon）, data/L_disambig.fst

发声/不发声的音素id

3.2 特征提取

“ark”==archive, “scp”==script file

# head /foo/raw_mfcc.scp
trn_adg04_sr009 /foo/raw_mfcc.ark:16
trn_adg04_sr049 /foo/raw_mfcc.ark:23395
...
# head –c 20 foo/raw_mfcc.ark
trn_adg04_sr009 ^@BFM [binary data...]

archive文件 script文件

三种Table处理

TableWriter 按顺序写
SequentialTableReader 遍历读
RandomAccessTableReader 按key查指定value

为啥没有随机写？没这个场景，算都是批量算，遍历写就可以了

The Table concept 提取MFCC特征

3.3 单音训练

1. 设置变量
2. 创建topo文件
3. 初始化模型（flat start of the model/ 没有split的决策树）

4. 创建解码图

   
   decoding graph

5. 对齐初始化

   
   alignment

6. 单音训练

   
   Monophone training
7. 多音训练
8. 多音训练创建树
9. 解码：创建图

训练部分有点复杂，看看其他资料，回头再补充
更多参考

kaldi文档中文翻译