kaldi跑自己数据遇到的问题合集（持续更）

catyooooo

于 2019-06-04 11:21:34 发布

阅读量3.3k

点赞数 4

分类专栏： kaldi语音识别文章标签： kaldi thchs30 自己数据集

本文链接：https://blog.youkuaiyun.com/weixin_44461682/article/details/90765212

版权

这篇博客汇总了在使用Kaldi进行语音识别时遇到的常见问题，包括SRILM训练语言模型失败、特征提取过程中的cc:174错误以及Python版本引起的AttributeError。针对这些问题，提供了详细的解决步骤，如调整SRILM命令、转换音频格式至16bit,16000Hz采样率以及处理Python3中字符串解码问题。" 21606235,276621,信息熵与相关性：条件熵、联合熵、左右熵和互信息解析,"['信息熵', '条件熵', '互信息', '自然语言处理']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.SRILM训练语言模型结果出不来

网络上：
http://www.mamicode.com/info-detail-1944347.html
https://blog.youkuaiyun.com/u011500062/article/details/50780935

下面说一下，如果网上的方法训练不出语言模型，可考虑我说的方法（直接在srilm文件下输入下面的命令）：

1.统计语料库生成n-gram统计文件
./bin/i686-m64/ngram-count-text text.txt -roder 3 -write yy.count #词频统计
2.生成语言模型
./bin/i686-m64/ngram-count -read yy.count -order 3 -lm word-3gram.lm -interpolate -kndiscount #训练三音子模型

2.特征提取过程中出现cc:174错误

steps/make_mfcc.sh --nj 8 --cmd run.pl data/mfcc/train exp/make_mfcc/train mfcc/train
utils/validate_data_dir.sh: Successfully validated data-directory data/mfcc/train
steps/m