Next-gen Kaldi - 概览及安装

最新推荐文章于 2025-06-20 18:29:29 发布
最新推荐文章于 2025-06-20 18:29:29 发布
阅读量601 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： kaldi 小米 语音 识别 k2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lovechris00/article/details/128786560
本文介绍了Next-gen Kaldi的发展阶段，包括Kaldi+和Next-gen Kaldi，详细阐述了Next-gen Kaldi的组成：k2、lhotse和icefall。还提供了这三个组件的安装步骤，包括通过PYPI和源码安装。Next-gen Kaldi是由Kaldi之父Daniel Povey在小米公司研发的，旨在提供更强大的语音识别能力。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

关于 Next-gen Kaldi

由 Kaldi 之父 Daniel Povey 加入小米公司后研发的下一代 Kaldi。

官方公众号：新一代Kaldi

Next-gen Kaldi 的发展阶段

1、Kaldi+ （2019.10 - 2020.5)

将原来Kaldi中的C++/CUDA代码用pybind11封装成python接口，训练的时候将Pytorch网络模型的输出通过python接口送到Kaldi里面，Kaldi负责计算损失函数并将梯度回传给Pytorch。
这一部分的工作在Ka

了解本专栏 订阅专栏 解锁全文 超级会员免费看
手把手教学！新一代 Kaldi: TTS Runtime ASR 实时本地语音识别 语音合成来啦
南七小僧的学海无涯
06-17 1272
如果你希望从源码编译，或者你希望使用其他语言的 API， 比如 C/C++/Go/Kotlin/C#/Swift 等， 请参考文档。本文使用的测试模型，都是来源于网上开源的。我们也提供一个单一的 Windows exe 程序，双击就能运行，无须安装。目前使用的模型源于网上开源的 预训练模型，后续我们也会在。的意思是使用第10个说话人的声音。下面两个表格总结了本文用到的模型文件下载链接。注：本文使用的模型为网上开源的预训练模型。注：本文使用的模型为网上开源的预训练模型。注：你仍然需要自己单独下载模型文件。
OpenNESS，开源的边缘网络服务平台
烟云的计算
10-31 7085
目录 文章目录目录参考文章OpenNESS框架概览OpenNESS Controller微服务清单部署容器清单功能清单OpenNESS EdgeNode服务器资源使用要求微服务清单部署容器清单功能清单组网方式EdgeNode Upstream Traffic 的两种方式EdgeNode Downstream Traffic 的三种方式中控的管理机制Controller APIs边缘应用下发（Onb...
小米下一代Kaldi将走向何方？道翰天琼认知智能机器人平台API接口大脑为您揭秘
m0_49525819的博客
08-31 272
小米下一代Kaldi将走向何方？道翰天琼认知智能机器人平台API接口大脑为您揭秘 如果你曾为《十面埋伏》中章子怡“听音辨鼓”的神技所惊艳，那么你也许就会被语音识别工具Kaldi的神通广大所倾倒。作为当前最流行的开源语音识别开发框架，Kaldi集成了多种语言识别模型，并被工业界、学术界几乎所有语音团队所采用。Daniel Povey博士，作为誉满业界的Kaldi之父，他对下一代Kaldi以及其中所包含技术的发展又有何新的思考呢？在2020北京智源大会的主题报告《可微分的加权有限状态机及其机器学习应用》.
Next-gen Kaldi
sinat_38432876的博客
11-16 828
icefall：类似wenet或者kaldi中的examples ，即主要是一些官方提供的训练、解码的例子。近来在看Next-gen Kaldi，打算这次把梳理过程做成笔记，希望自己能坚持下去。k2 ：这部分是核心算法库，包括FST的操作，transducer loss 的计算等。sherpa: 应该是主要用作部署使用，类似于runtime部分。Ihotse: 主要是数据处理模块，包括特征抽取，数据增强等。Next-gen Kaldi由四大部分构成，分别为。主要参考方军老师的ppt。
基于k2-icefall实践Matcha-TTS中文模型训练
最新发布
pkyang2004的博客
06-20 1018
摘要：本文介绍了基于k2-icefall和Matcha-TTS的中文语音合成实践。详细说明了硬件环境（i7-7700+RTX3070Ti）和软件环境的搭建过程，包括CUDA配置、conda虚拟环境创建以及关键依赖库的安装。重点描述了使用BZNSYP中文语料库进行模型训练的过程，包括数据预处理、训练参数调整（如max-duration设置）和解决显存不足等问题。最后比较了不同迭代步数的onnx模型在RK3588板上的性能表现，并通过损失曲线验证了最佳训练周期约1600轮。
2022年新一代kaldi团队技术输出盘点
weixin_48827824的博客
02-10 3218
以下是 k2 团队对2022年输出的技术做的盘点。
新一代kaldi-icefall环境配置与aishell实践
李思成的博客
08-18 847
代码来源：[[k2-fsa/icefall (github.com)](https://github.com/k2-fsa/icefall)](https://github.com/kaldi-asr/kaldi) 官网文档：https://k2-fsa.github.io/icefall/
小米语音首席科学家与开源泰斗陆首群探讨新一代 Kaldi 与大模型
小米云技术
11-06 1119
2023年10月26日，中国开源软件推进联盟（COPU）主席陆首群主持会议，听取了小米集团语音首席科学家 Daniel Povey 博士介绍其所带领的新一代 Kaldi 项目的最新进展，并与他进行讨论。与会者合影留念后排左起：鞠东颖、宋可为、安泱、张侃、孟伟、郭理勇前排左起：杨笑宇、Daniel Povey、陆首群、刘澎、覃左言陆首群教授是中国开源行业泰斗，是世界闻名的开源领袖，是中国信息化的开拓...
开源项目推荐：Sherpa - 下一代Kaldi驱动的语音转文本服务器框架
gitblog_00837的博客
11-05 435
开源项目推荐：Sherpa - 下一代Kaldi驱动的语音转文本服务器框架 项目基础介绍与编程语言 Sherpa 是一个基于PyTorch的开源项目，专注于端到端（E2E）模型的语音转文本推理框架，特别涵盖了转录器和CTC（Connectionist Temporal Classification）为基础的模型。它提供了C++和Python两种API接口，旨在简化部署流程，即利用预训练模型进行语音...
将开源进行到底！小米新一代Kaldi荣获2022数博会“领先科技成果”奖
小米云技术
05-26 1375
5月26日，数博会开幕式当天揭晓了“2022中国国际大数据产业博览会数博发布之领先科技成果”奖，小米公司“新一代Kaldi”项目，凭借全自研的创新成果和突出的社会价值，获得评委会一致认可，荣获“数博会领先科技成果奖·新技术”奖项！中国国际大数据产业博览会（简称数博会），是全球首个以大数据为主题的博览会，自2015年创办以来发展至今，深受党和国家领导人重视，已成为引领行业发...
snowboy+新一代kaldi（k2-fsa）sherpa-onnx实现离线语音识别【语音助手】
殷长庆的博客
08-08 1万+
本系列主要目标初步完成一款智能音箱的基础功能，包括语音唤醒、语音识别(语音转文字)、处理用户请求（比如查天气等，主要通过rasa自己定义意图实现）、语音合成(文字转语音)功能。语音识别、语音合成采用离线方式实现。语音识别使用sherpa-onnx，可以实现离线中英文语音识别。本文用到的一些安装包在snowboy那一篇的必要条件中已经完成了部分构建，在离线语音识别安装完成之后也会把相关代码写道snowboy项目中，语音唤醒之后调用语音识别翻译用户说话的内容。
小米语音首席科学家Daniel Povey：下一代Kaldi将走向何方？
BAAIBeijing的博客
08-31 1541
如果你曾为《十面埋伏》中章子怡“听音辨鼓”的神技所惊艳，那么你也许就会被语音识别工具Kaldi的神通广大所倾倒。作为当前最流行的开源语音识别开发框架，Kaldi集成了多种语言识别模型，并...
【语音识别】kaldi的安装和使用案例(librispeech)
tobefans的博客
06-24 2015
按照官网教程，kaldi的安装首先通过git获取项目，再进行编译。 如果报错，则可能是相关的依赖项没有安装，可按照提示一步步安装(需要root权限)。
基于新一代kaldi项目的语音识别应用实例
weixin_48827824的博客
02-27 1125
本文是由郭理勇在第二届SH语音技术研讨会和第七届Kaldi技术交流会上对新一代kaldi项目在学术及“部署”两个方面报告的内容上的整理。如果有误，欢迎指正。
kaldi 详细安装教程
elysium_的博客
01-28 2628
其实kaldi安装的步骤还挺简(bu)单(shi)，其中最烦的应该就是等待编译的时间以及ffmpeg的安装。只要ffmpeg安装完成，其实都是挺简单的。如果各位在按照本篇文章的安装过程中遇到什么困难，或者新问题，欢迎私信和留言。
语音识别工具Kaldi (二)
u010451780的专栏
08-21 630
在上一篇blog中简单的介绍了Kaldi的安装方法有趣的开源软件：语音识别工具Kaldi (一)在这篇blog中继续Kaldi模型训练的步骤，介绍一下在模型训练之前的一些数据准备的工作。因为我也是正在学习语音识别和Kaldi，有些地方不一定说的很正确，如果发现错误，还请指正。 在Kaldi源代码树中，有一个叫做egs的文件夹，在这个文件夹中保存着一些Kaldi在公共数据集上的训练步骤（shell脚本）以及测试的结果。其中，中文的语音识别公共数据集一共有三个，分别是 gale_mandarin: 中文..
有趣的开源软件：语音识别工具Kaldi (二)
热门推荐
人工智能
04-21 1万+
在上一篇blog中简单的介绍了Kaldi的安装方法 有趣的开源软件：语音识别工具Kaldi (一) 在这篇blog中继续Kaldi模型训练的步骤，介绍一下在模型训练之前的一些数据准备的工作。因为我也是正在学习语音识别和Kaldi，有些地方不一定说的很正确，如果发现错误，还请指正。 在Kaldi源代码树中，有一个叫做egs的文件夹，在这个文件夹中保存着一些Kaldi在公共数据集上的训练步骤（s
kaldi mobvoihotwords 唤醒词识别教程
qq_43744723的博客
10-29 3970
kaldi_mobvoihotwords唤醒词识别教程 作者：关林生 邮箱：wuxie6424@gmail.com 如果有问题，可以email我。 本教程分为三个部分： 一是如何在ubuntu安装配置kaldi。 二是如何用kaldi的例子mobvoihotwords训练出模型，然后用训练出来的模型测试一条指定的语音是不是唤醒词“嗨小问”。 三是用其他的已经训练好的模型来测试指定的语音是不是唤醒词。需要修改代码。 四是可能遇到的问题 一．是如何在ubuntu安装配置kaldi？ 1.安装git。如果使用gi
中国科技少年对话“Kaldi 之父” Daniel Povey
小米云技术
01-16 225
咦？今天刚一上班，怎么就在小米科技园看到了两个“小孩哥”在和小米首席语音科学家 Daniel Povey 聊天？原来，这两位“小孩哥”是《超脑少年团》成员、CSP-S一等奖获得者高培淇和SP-J一等奖获得者宫一森，他们都是忠实的“小米粉”，更是 Daniel 的小粉丝。月初，Daniel 团队的新一代 Kaldi 语音项目获得了小米2023百万美金技术大奖评选的二等奖，两位“小孩哥”来到小米祝贺 ...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

EAI工程笔记

请我喝杯伯爵奶茶~！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值