Kaldi是一款基于C++编写的开源语音识别工具箱。这款工具既可以在Windows下编译也可以在Linux下编译。一般建议在linux下开发。
打开终端terminal，输入命令：
git clone https://github.com/kaldi-asr/kaldi.git kaldi-trunk --origin golden
下载完毕以后，cd kaldi-trunk进去看看下载了一些什么东西。
其中，./tools，./src和./egs这三个目录是比较重要的。
./tools目录下面全部都是Kaldi依赖的包。其中主要有：
OpenFST：Weighted Finite State Transducer library，是一个用来构造有限状态自动机的库。我们知道隐马尔科夫模型就可以看成是一个有限状态自动机的。这是最终要的一个包，Kaldi的文档里面说：If you ever want to understand Kaldi deeply you will need to understand OpenFst.诶，要学的好多。
ATLAS：这是一个C++下的线性代数库。做机器学习自然是需要很多矩阵运算的。
IRSTLM:这是一个统计语言模型的工具包。
sph2pipe:这是宾夕法尼亚大学linguistic data consortium（LDC）开发的一款处理SPHERE_formatted数字音频文件的软件，它可以将LDC的sph格式的文件转换成其它格式。
./src目录存放的是Kaldi的源代码。./egs存放的是Kaldi提供的一些例子。我们现在要做的就是编译安装Kaldi依赖的各种库，然后编译安装Kaldi。
首先安装依赖包。在./tool目录下输入make，开始编译，输入make -j 4命令可以加快速度。
之后切换到./src目录下，输入./configure进行配置，然后输入make depend，完成之后输入make进行编译即可。
（根目录下，tools目录，src目录下下分别有三个INSTALL文件，按照里面的步骤执行即可）
Kaldi自带的例子都放在./egs目录下。
其中最简单的就是yesno这个例子了。这是一个非常小的数据集，每一条记录都是一系列yes或者no的语音，标注是由文件名来标注的。先运行一下。切换到./egs/yesno/s5目录下，运行sudo ./run.sh命令。
经过一段时间的训练和测试，可以看到运行结果。
WER为0.00。看来这个例子识别的还是挺准的。
PS:WER（Word Error Rate）是字错误率，是一个衡量语音识别系统的准确程度的度量。其计算公式是WER=(I+D+S)/N
，其中I代表被插入的单词个数，D代表被删除的单词个数，S代表被替换的单词个数。也就是说把识别出来的结果中，多认的，少认的，认错的全都加起来，除以总单词数。这个数字当然是越低越好。
