对齐工具MFA

MFA（Montreal Forced Aligner）是一种forced alignment工具。MFA底层是使用了kaldi工具，相对于其它的工具MFA使用triphone acoustic model来建模上下文信息，同时包含了和说话人相关的特征，因此可以适应不同的说话人。MFA具有可训练性 (trainability) ，即可由用户自己在新数据上训练acoustic model。

1、MFA安装

MFA有多种安装方式，可参考MFA installation。mfa需要kaldi，kaldi安装参考kaldi安装

2、MFA使用

2.1、查看MFA版本

mfa version

2.2 数据格式

对齐数据或者训练模型需要的数据需要按照如下格式：

+-- prosodylab_corpus_directory
|   +-- speaker1
|           --- recording1.wav
|           --- recording1.lab
|           --- recording2.wav
|           --- recording2.lab
|   +-- speaker2
|           --- recording3.wav
|           --- recording3.lab
|       --- ...

数据目录下每个说话人对应一个目录，每个说话人目录下一个语音数据wav文件对应一个文本数据文件lab，文件名除了扩展名之外其他的部分要一一对应。

2.3 、下载预训练模型和词典

MFA提供了已经预先训练好的模型以及词典，下载地址。

词典下载地址

模型下载地址

一种方式是手动下载，另外是使用mfa命令下载，如下以中文为例：

#下载模型
mfa models download acoustic mandarin_mfa
#下载词典
mfa models download dictionary mandarin_mfa
mfa models download dictionary mandarin_pinyin

2.4、对齐命令

mfa align
    corpus_directory # 对齐数据
    dictionary_path # 词典
    acoustic_model_path # 声学模型
    output_directory # 输出对齐结果
    --temporary_directory #指定临时目录，存储中间结果
    --disable_mp # 关闭多进程，默认是False

对齐输出结果为TextGrid格式。

2.5、训练模型

mfa train
    corpus_directory # 数据
    dictionary_path # 词典
    output_directory # 输出模型
    --temporary_directory #指定临时目录，存储中间结果
    --disable_mp # 关闭多进程，默认是False

2.6、其它命令使用

参考mfa all command

3、遇到问题

3.1、由于MFA底层用到kaldi，所以kaldi下的可执行文件都要链接到PATH变量中。

3.2、缺少某些so库，需要找到对应so库并链接到LD_LIBRARY_PATH。

3.3、so库的版本低，对于当前环境下某些so库版本低（例如：libm.so.6、libstdc++.so.6等），需要下载so库对应的源码编译，使用的时候将so库链接到变量 LD_PRELOAD。

3.4、如果执行中出现任何问题，可以去--temporary_directory指定的目录下查看log文件。另外，调试的时将--disable_mp设置为True（就是使用单进程执行），如果没有问题的再使用用多进程。

由于mfa有个小bug：如果有异常出现，多进程执行时可能不会输出错误信息。

（完）