TIMIT数据集的语音采样频率为16kHz,一共包含6300个句子,由来自美国八个主要方言地区的630个人每人说出给定的10个句子,所有的句子都在音素级别(phone level)上进行了手动分割,标记。70%的说话人是男性;大多数说话者是成年白人。
- 准备数据
将数据集放再kaldi/egs/timit/data/中解压
rar x timit.rar
注:若没有安装rar,可根据相应的提示安装
- 配置脚本
修改s5文件里的脚本文件
(1)修改run.sh
第30行
根据自己的设备配置修改
feats_nj=10
train_nj=20
decode_nj=5
第39行 设置数据路径
timit=/home/Michael/kaldi/egs/timit/data/timit
如果你的设备有GPU,请把SGMM2 Training & Decoding部分中的一行注释掉,方可完整运行
# exit 0 # From this point you can run Karel's DNN : local/nnet/run_dnn.sh
(2)修改cmd.sh
export train_cmd=run.pl
export decode_cmd=run.pl
export mkgraph_cmd=run.pl
export cuda_cmd=run.pl
其他的均注释掉
- 训练模型
进入s5文件运行run.sh
./run.sh
运行结果s5/exp目录如下
两个小时内即可完成训练!