Kaldi AMI数据集脚本学习4---train_mono.sh

最新推荐文章于 2022-02-10 11:17:18 发布

sunfoot001

最新推荐文章于 2022-02-10 11:17:18 发布

阅读量942

点赞数

分类专栏： ASR

本文链接：https://blog.csdn.net/sunfoot001/article/details/79053783

版权

本文详细解析Kaldi中train_mono.sh脚本的训练过程，包括特征处理、初始化单音素模型、创建FST、对齐、统计量计算、模型更新等步骤，并探讨Viterbi训练与Baum-Welch训练的区别。了解如何调整参数以优化模型性能。

摘要由CSDN通过智能技术生成

1. 缺省配置

nj=4   并行个数
cmd=run.pl   处理程序
scale_opts="--transition-scale=1.0 --acoustic-scale=0.1 --self-loop-scale=0.1"
num_iters=40     **  Number of iterations of training  训练循环次数
max_iter_inc=30  **  Last iter to increase  ** Gauss on.  每个循环里增加的高斯数
totgauss=1000  **  Target  ** Gaussians.   总高斯数（可能难理解，但可以这么解释：比如有3状态HMM，每个状态用4组均值方差描述(GMM混合数是4个意思)，那总共用了12个高斯，kaldi里不用具体指定GMM个数，而指定整个系统中总共需要多少个单高斯）
careful=false
boost_silence=1.0  **  Factor by which to boost silence likelihoods in alignment
realign_iters="1 2 3 4 5 6 7 8 9 10 12 14 16 18 20 23 26 29 32 35 38";  循环到这个数时做对齐
config=  **  name of config file. 
stage=-4  
power=0.25  **  exponent to determine number of gaussians from occurrence counts
norm_vars=false  **  deprecated, prefer --cmvn-opts "--norm-vars=false"
cmvn_opts=   **  can be used to add extra options to cmvn.
 **  End configuration section.

echo "$0 $@"