kaldi 的常用ark scp命令

例：

ark,s,cs:apply-cmvn --norm-means=true --norm-vars=false -- \
 utt2spk=ark:data/fbank/test/split1/1/utt2spk \
 scp:data/fbank/test/split1/1/cmvn.scp \
 scp:data/fbank/test/split1/1/feats.scp ark:- |' \
 'ark:|lattice-scale --acoustic-scale=10.0 \
 ark:- ark:- | gzip -c >exp/chain/tdnn/decode_test/lat.1.gz

初次见到这个，肯定要感慨这是什么鸟语?花香，通过查看资料才基本搞懂kaldi的一些常用命令。

说明：

archive(.ark)、script(.scp) : 是表格(table)一个‘表’就是一组有序的事物，前面是识别字符串（如句子的id），一个‘表’不是一个c++的对象，因为对应不同的需求（写入、迭代、随机读入）我们分别有c++对象来读入数据。Table有两种形式:“archive”和“script”文件。它们之间的差别在于:archive 包含实际的数据，而 script 文件则指出数据的具体位置。

.scp格式是text-only的格式，每行是个key（一般是句子的标识符（id））后接空格，接这个句子特征数据的路径 。

.ark格式可以是text或binary格式，（你可以写为text格式，命令行要加‘t’，binary是默认的格式）文件里面数据的格式是：key（如句子的id）空格后接数据。

.ark 和.scp 是 kaldi 中两种记录数 据的格式, .ark 是数据(二进制文件)，scp 是记录对应 ark 的路径。 .ark 文件一般都是很大的(因为他们里面是真正的数据)。开头的ark:或scp:是要说明的格式，同名的 archive(.ark) 和 script(.scp) 文件代表的同一部分数据，注意，这 些命令行都有前缀”scp:” 或 “ark:”,kaldi 不会自己判断这到底是个 script 还是 archive 形式，这需要我们加前缀告诉 kaldi 这是什么格式的文件。对于 code 而言， 这两种格式对它来说都是一样的。

这两种格式都是‘表(table)’的概念。一个‘表’就是一组有序的事物，前面是 识别字符串(如句子的 id)，一个‘表’不是一个 c++的对象，因为对应不同的需 求(写入、迭代、随机读入)我们分别有 c++对象来读入数据。

常见示例：

.scp格式 是 text-only 的格式，每行是个 key(一般是句子的标识符(id))后 接空格，接这个句子特征数据的路径 。
.ark格式 可以是 text 或 binary 格式，(你可以写为 text 格式，命令行要加‘t’， binary 是默认的格式)文件里面数据的格式是:key(如句子的 id)空格后接数据。

比如： raw_mfcc_dev.1.scp里的FNLP0_si1308 /Users/yelong/kaldi/egs/timit/s5/mfcc/raw_mfcc_test.3.ark:13意思是，打开存档(archive)文件，fseek()定位 到 13(字节)，然后开始读数据。

wspecifier	meaninig
ark:foo.ark	write to archive foo.ark
scp:foo.scp	write to files using mapping in foo.scp
ark:-	write archive to stdout
ark,t	gzip -c >foo.gz
ark,t:-	write text-form archive to stdout
ark,scp:foo.ark,foo.scp	write archive and scp file (其实就是最上面两个的结合)

rspecifier	meaning
ark:foo.ark	Read from archive foo.ark
scp:foo.scp	Read as specified in foo.scp
ark:-	read archive from stdin
ark:gunzip -c foo.gz	unzip and read from foo.gz
ark,s,cs:-	read archive from stdin …

最后一个，“s”排序，“cs”它将按照排序顺序被调用。archive上允许内存高效的随机访问。