语音识别领域的开源框架有CMUSphinx、HTK、Kaldi等等,而目前仍然比较活跃,且工程价值较高的就数Kaldi,很多从事语音方面的公司,都使用该框架训练自己的语音识别能力,由于其内部代码逻辑较为复杂,故这里一步一步来解读,了解语音识别的内部原理,并期望自定义,实现业务场景下的语音识别、语音唤醒等引擎。
一、准备工作
学习kaldi需要一定的语言基础,尤其是C++,基本上工具以及代码都是基于C++语言实现起来的,所以它相对python等语言还是有一定的门槛,大家在学习工作中,多读多写。从事算法研究方向,对于这门语言还是硬要求的,算法的工程化实现最好也是用C/C++来实现,确保性能。
硬件:x86_64 服务器一台(32C 128G),没有条件的小伙伴可以用PC机或虚拟机环境(编译及运行速度较慢)
操作系统:CentOS7.4 64bit
二、Kaldi下载
一般开源组件都在使用git作为版本控制,Kaldi也不例外,版本放在github上进行代码管理
先安装git工具
# yum install git
下载Kaldi源码
# git clone https://github.com/kaldi-asr/kaldi.git
三、Kaldi编译
kaldi下载完成后,需要先编译其依赖的第三方组件,一般在tools目录下,其安装脚本依赖系统命令,