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
- 设置变量
- 创建topo文件
- 初始化模型（flat start of the model/ 没有split的决策树）
-
创建解码图
decoding graph -
对齐初始化
alignment -
单音训练
Monophone training - 多音训练
- 多音训练创建树
- 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
