Kaldi中文语音识别（1）官方文档初解读

接触语音识别以来，从看文献开始了解语音识别是怎么一回事，它的基本原理、背景、识别流程等等…
现在要用Kaldi进行语音识别真的可以称上小白了，关于文档解读，仅供大家参考。

【以下为Kaldi官方文档目录及内容】

3 kaldi 的使用
3.1 总述
在跑 kaldi 里的样例时，你需要注意三个脚本：cmd.sh path.sh run.sh。下
面分别来说，

1. Cmd.sh 脚本为：

【
“queue.pl” uses qsub. The options to it are
options to qsub. If you have GridEngine installed, # change this to a queue you have access to. # Otherwise, use “run.pl”, which will run jobs locally
(make sure your --num-jobs options are no more than
#the number of cpus on your machine.

• #a)

JHU cluster options
#export train_cmd=“queue.pl -l arch=*64” #export decode_cmd=“queue.pl -l arch=*64,mem_free=2G,ram_free=2G” #export mkgraph_cmd=“queue.pl -l arch=*64,ram_free=4G,mem_free=4G” #export cuda_cmd=run.pl

• #b)

BUT cluster options
#export train_cmd=“queue.pl -q all.q@@blade -l
ram_free=1200M,mem_free=1200M” #export decode_cmd=“queue.pl -q all.q@@blade -l
ram_free=1700M,mem_free=1700M” #export decodebig_cmd=“queue.pl -q all.q@@blade -l
ram_free=4G,mem_free=4G” #export cuda_cmd=“queue.pl -q long.q@@pco203 -l gpu=1” #export cuda_cmd=“queue.pl -q long.q@pcspeech-gpu” #export mkgraph_cmd=“queue.pl -q all.q@@servers -l
ram_free=4G,mem_free=4G”

• #c)

run it locally… export train_cmd=run.pl
export decode_cmd=run.pl
export cuda_cmd=run.pl
export mkgraph_cmd=run.pl
】
大家可以很清楚的看到有 3 个分类分别对应 a，b，c。a 和 b 都是集群上去运
行这个样子，c 就是我们需要的。我们在虚拟机上运行的。你需要修改这个脚本。

2. Path.sh 的内容：

export KALDI_ROOT=pwd/…/…/… export
PATH=$PWD/utils/:$PWD/utils/:KALDI_ROOT/src/bin:$KALDI_ROOT/tools/openfst/bin:$KALDIR​OOT/tools/openfst/bin:K
ALDI_ROOT/tools/irstlm/bin/:$KALDI_ROOT/src/fstbin/:$KALDIR​OOT/src/fstbin/:KALDI_ROOT/src/gmm
bin/:$KALDI_ROOT/src/featbin/:$KALDIR​OOT/src/featbin/:KALDI_ROOT/src/lm/:$KALDI_ROOT/src/sgm mbin/:$KALDIR​OOT/src/sgmmbin/:KALDI_ROOT/src/sgmm2bin/:$KALDI_ROOT/src/fgmmbin/:$KALDIR​OOT/src/fgmmbin/:KALDI_RO
OT/src/latbin/:$KALDI_ROOT/src/nnetbin:$KALDIR​OOT/src/nnetbin:KALDI_ROOT/src/nnet-cpubin/:$KAL DI_ROOT/src/kwsbin:$KALDIR​OOT/src/kwsbin:PWD:$PATH export LC_ALL=C export IRSTLM=$PATHexportLCA​LL=CexportIRSTLM=KALDI_ROOT/tools/irstlm
在这里一般只要修改 export KALDI_ROOT=pwd/…/…/…改为你安装 kaldi 的目
录，有时候不修改也可以，大家根据实际情况。

3. Run.sh

里大家需要指定你的数据在什么路径下，你只需要修改：
如：
#timit=/export/corpora5/LDC/LDC93S1/timit/TIMIT # @JHU
timit=/mnt/matylda2/data/TIMIT/timit # @BUT
修改为你的 timit 所在的路径。
其他的数据库都一样。
此外，voxforge 或者 vystadial_cz 或者 vystadial_en 这些数据库都提供下载，
没有数据库的可以利用这些来做实验

这里说一下读后感吧：

跑kaldi样例之前

需要注意cmd.sh、path.sh 、run.sh 这三个脚本。

1. cmd.sh（cmd = command）
   这里主要修改queue.pl为run.pl
   #我们需要修改cmd.sh. 如下：

    export train_cmd=run.pl   #将原来的queue.pl改为run.pl
    export decode_cmd="run.pl"   #将原来的queue.pl改为run.pl    这里的--mem 4G 还是去掉吧  因为我机器装的虚拟机内存不是很大
    export mkgraph_cmd="run.pl" #将原来的queue.pl改为run.pl  这里的--mem 8G 还是去掉吧  因为我机器装的虚拟机内存不是很大
    export cuda_cmd="run.pl" #将原来的queue.pl改为run.pl 这里去掉原来的--gpu 1  因为我们不打算用GPU来参与

2. path.sh
   我在这里的时候咨询了一下师兄，师兄说这里可不改，我就没改。。。
3. run.sh
   这里我是想先跑一下清华thchs30的脚本
   (已经安装好了语料库，后面讲如何安装)，
   这里主要是改nj = "8"或者“4”，thchs=…(放清华数据库的路径)
   所以先进入run.sh

[czy@localhost ~]$ cd
[czy@localhost ~]$ cd kaldi/egs/thchs30/s5
[czy@localhost s5]$ ls
cmd.sh conf local path.sh RESULT run.sh steps thchs30-openslr utils
[czy@localhost s5]$ vim run.sh

我们接下来看看run.sh,前面几行

#!/bin/bash
. ./cmd.sh ## You'll want to change cmd.sh to something that will work on your system.
                 ## This relates to the queue.

. ./path.sh

这里我们看到，其实执行run.sh的时候,它也是先要执行cmd.sh和path.sh,其中 cmd.sh就是刚刚我们改的，path.sh一会我们再说。

H=`pwd`  #exp home
n=4      #parallel jobs #我们把n=8改为:n=4

这里我们看到H='pwd’完全是为了后面引用这个路径用的,先不用管它.我们把n=8改为:n=4,是因为我们并发的时候为四核心。

#corpus and trans directory
thchs=/home/czy/kaldi/egs/thchs30/s5/thchs30-openslr    #我们把原来的/nfs/public/materials/data/thchs30-openslr改为/home/czy/kaldi/egs/thchs30/s5/thchs30-openslr 

这里的意思是说，要训练的thchs30数据的目录，
我这里的目录是/home/czy/kaldi/egs/thchs30/s5/thchs30-openslr

[czy@localhost thchs30-openslr]$ pwd
/home/czy/kaldi/egs/thchs30/s5/thchs30-openslr
[czy@localhost thchs30-openslr]$ ls
data_thchs30 data_thchs30.tgz resource resource.tgz
[czy@localhost thchs30-openslr]$

（这里我只下载了两个压缩包）
thchs30的中文语音数据库，网址是http://www.openslr.org/18/
进去以后我们看到，有data_thchs30.tgz resource.tgz test-noise.tgz 这三个语音文件压缩包链接地址，
在服务器里面

[czy@localhost ~]$ cd
[czy@localhost ~]$ cd kaldi/egs/thchs30/s5
[czy@localhost s5]$ mkdir thchs30-openslr
[czy@localhost s5]$ cd thchs30-openslr
[czy@localhost thchs30-openslr]$ 

可以使用
wget http://www.openslr.org/resources/18/data_thchs30.tgz
wget http://www.openslr.org/resources/18/test-noise.tgz
wget http://www.openslr.org/resources/18/resource.tgz
分别下载。

[czy@localhost thchs30-openslr]$ wget http://www.openslr.org/resources/18/data_thchs30.tgz 
[czy@localhost thchs30-openslr]$ wget http://www.openslr.org/resources/18/test-noise.tgz
[czy@localhost thchs30-openslr]$ wget http://www.openslr.org/resources/18/resource.tgz

（当然也可下载到电脑上用x ftp6上传到服务器，（ps: 用rz 命令可将本地文件上传到服务器，但是文件大小不超过4GB））

下载结束之后，使用解压命令解压
解压到当前文件夹： tar zxvf 文件名.tgz -C./
解压到指定文件夹：tar zxvf 文件名.tgz -C/制定文件夹路径