Kaldi学习笔记（一）

最新推荐文章于 2025-06-22 12:38:10 发布

assskiller

最新推荐文章于 2025-06-22 12:38:10 发布

阅读量818

点赞数

CC 4.0 BY-SA版权

分类专栏： kaldi 文章标签： kaldi

本文链接：https://blog.youkuaiyun.com/weixin_41894196/article/details/99983193

kaldi 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了使用Kaldi进行语音识别的过程，包括数据准备、特征提取、单音素训练、图构建及解码等关键步骤。通过yesno例子，深入解析了每一步的具体操作和涉及的脚本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

大致看了一下官方文档的Running the example scripts 部分：http://kaldi-asr.org/doc/tutorial_running.html
记录一下，免得忘记，写得也不是很清楚，只是记录一下，以后再填坑

看的过程中，发现了几篇有用的文章：
1.https://blog.youkuaiyun.com/boyStray/article/details/89857435（解析kaldi中yesno的语音分帧和模型）
2.https://blog.youkuaiyun.com/chinatelecom08/article/details/81252140（语音识别——kaldi常用文件查看指令）

kaldi中运行一个例子的几个步骤：（在yesno例子里的run.sh中写得很清楚）
1.数据准备
大致应该是准备语言模型
对应到yesno例子里是：

# Data preparation

local/prepare_data.sh waves_yesno
local/prepare_dict.sh
utils/prepare_lang.sh --position-dependent-phones false data/local/dict "<SIL>" data/local/lang data/lang
local/prepare_lm.sh

其中最重要的应该是prepare_lang.sh

2.特征提取

# Feature extraction
for x in train_yesno test_yesno; do 
 steps/make_mfcc.sh --nj 1 data/$x exp/make_mfcc/$x mfcc
 steps/compute_cmvn_stats.sh data/$x exp/make_mfcc/$x mfcc
 utils/fix_data_dir.sh data/$x
done

注意这里调用的shell文件有make_mfcc.sh
compute_cvmn_stats.sh
fix_data.sh

3.单音素训练（针对训练集）

# Mono trainingexp/mono0a/decode_test_yesno
steps/train_mono.sh --nj 1 --cmd "$train_cmd" \
  --totgauss 400 \
  data/train_yesno data/lang exp/mono0a

这里调用了train_momo.h
训练好的模型存储在exp/mono0a中
例如0.mdl存储的是gmm模型，可以通过gmm-copy来读取

4.makegraph

# Graph compilation  
utils/mkgraph.sh data/lang_test_tg exp/mono0a exp/mono0a/graph_tgpr

并将结果存储于exp/mono0a exp/mono0a/graph_tgpr

5.解码（针对测试集）

# Decoding
steps/decode.sh --nj 1 --cmd "$decode_cmd" \
    exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno

并将结果存储于exp/mono0a/decode_test_yesno