0 前言
中文语音识别的aishell2推出已经有一段时间了,由于没有aishell2的语料库,有资格的可以申请,所以拿aishell1的15G语料进行训练,所以写了相关的脚本处理aishell1的语料库,来适配aishell2,可以参考我的github 仓库 aishell2_gmm_train
1 语料转换
下载完aishell1的语料后,将data_aishell.tgz解压后的语料放在egs/aishell2目录下的recipes(自己创建的),将解压后的语料按照github上的路径存放,然后按照以下步骤操作:
1. notepad++打开recipes/data_aishell/transcript/aishell1的aishell_transcript_v0.8.txt文件,将所有的空格全部替换掉(因为aishell2采用了jeba分词脚本,无需分词),做这一步操作后,方便后续脚本处理生成trans.txt wav.scp文件,替换后的文件保存为