Kaldi IO机制的一些概念及代码流程解析

最新推荐文章于 2024-10-10 07:40:09 发布

原创

最新推荐文章于 2024-10-10 07:40:09 发布 · 1.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#语音识别

本文详细介绍了Kaldi中的Ark和Scp文件的概念及其在处理音频特征时的作用。Ark文件用于存储二进制数据，如特征文件，而Scp文件则包含文本数据，通常为人可读。在Kaldi中，rspecifier和wspecifier用于指定输入和输出。Ark文件的读取和写入涉及SequentialTableReader和TableWriter类，同时支持通过管道进行数据流处理。例如，`compute-fbank-feats`命令读取wav.1.scp并输出到out.ark，而`copy-feats`则从out.ark复制数据到新的ark和scp文件。在管道操作中，`|`符号用于连接命令，实现数据的流转。

1、ark，scp概念

1.1 基本概念

ark : 代表以二进制方式读或写文件，archive文件，该文件一般是特征文件或人类不可读的文件。
scp: 代表以文本方式读或写文件，scp文件，一般人类可读。
Kaldi读取或写文件由对应可执行程序参数的ark/scp位置决定，此处有rspecifier和wspecifier两个概念，分别对应输入及输出。执行程序时，命令参数中首先出现的是rspecifier，后出现的是wspecifier。

在这里插入图片描述

 //读取wav.1.scp文件，输出写入到out.ark文件中
compute-fbank-feats  --verbose=2 --config=fbank.conf scp,p:wav.1.scp ark:out.ark

1.2 、参数选项

1.2.1、输出时选项（wspecifier）

在这里插入图片描述

1.2.2、读取时选项（rspecifier）

(once):由用户指定随机访问方式下对每个key只获取一次。
p(permissive): 指导程序忽略读取文件时遇到的错误。在读取损坏的scp文件时程序的Haskey查询返回false，读取损坏或截断的archive文件时。该标志会阻止异常抛出。
s(sorted): 告诉程序读取文件时key是排好序的。
cs(called-sorted): 告诉程序HasKey函数及Value函数的调用是有序的。

在这里插入图片描述

1.2.3 管道’|'标志含义

以以下例子作为解析

nnet3-latgen-faster-parallel --num-threads=4 --frame-subsamp

最低0.47元/天解锁文章