Kaldi 说话人识别之aishell V1 模型（一）

最新推荐文章于 2022-04-24 10:56:33 发布
最新推荐文章于 2022-04-24 10:56:33 发布
阅读量9.1k 收藏 17
点赞数 1
分类专栏： Kaldi语音识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gwpjiayou/article/details/80255939
版权

一、数据准备

1、首先在根目录下建立路径：/export/a05/xna/data然后下载数据集。这里下载数据集要在run.sh前面加sudo命令，这是路径的缘故。下载数据集用到的脚本是local/download_and_untar.sh 需要下载两个数据文件：data_aishell 和 resource_aishell.
2、数据准备阶段运行脚本：local/aishell_data_prep.sh 运行脚本后会产生 以下文件：

  • spk2utt: 这里存放的是测试集好训练集中每个样例名称及其它下面的语音文件名称。这个文件在test下面则说明是test集的相关信息，如果在train 文件下则说明是train集的相关信息。文件内容如下所示（只展示部分样例）：

S0764 BAC009S0764W0121 BAC009S0764W0122 BAC009S0764W0123 BAC009S0764W0124 BAC009S0764W0125 BAC009S0764W0126 BAC009S0764W0127 BAC009S0764W0128 BAC009S0764W0129 BAC009S0764W0130 BAC009S0764W0131 BAC009S0764W0132 BAC009S0764W0133 BAC009S0764W0134 BAC009S0764W0135 BAC009S0764W0136 BAC009S0764W0137 BAC009S0764W0138 BAC009S0764W0139 BAC009S0764W0140 BAC009S0764W0141 BAC009S0764W0142 BAC009S0764W0143 BAC009S0764W0144 BAC009S0764W0145 BAC009S0764W0146 BAC009S0764W0147 BAC009S0764W0148 BAC009S0764W0149 BAC009S0764W0150 BAC009S0764W0151 BAC009S0764W0152 BAC009S0764W0153 BAC009S0764W0154
S0765 BAC009S0765W0121 BAC009S0765W0122 BAC009S0765W0123 BAC009S0765W0124 BAC009S0765W0125 BAC009S0765W0126 BAC009S0765W0127 BAC009S0765W0128 BAC009S0765W0129 BAC009S0765W0130 BAC009S0765W0131 BAC009S0765W0132 BAC009S0765W0133 BAC009S0765W0134 BAC009S0765W0135 BAC009S0765W0136 BAC009S0765W0137 BAC009S0765W0138 BAC009S0765W0139 BAC009S0765W0140 BAC009S0765W0141 BAC009S0765W0142 BAC009S0765W0143 BAC009S0765W0144 BAC009S0765W0145 BAC009S0765W0146 BAC009S0765W0147 BAC009S0765W0148 BAC009S0765W0149 BAC009S0765W0150 BAC009S0765W0151 BAC009S0765W0152 BAC009S0765W0153 BAC009S0765W0154

  • text :这里存放的是训练集和测试集中语音文本的信息，第一列是语音文件名，第二列是语音文件所对应的说话的内容，如下所示（只展示部分信息）：

    BAC009S0764W0121 甚至 出现 交易 几乎 停滞 的 情况
    BAC009S0764W0122 一二 线 城市 虽然 也 处于 调整 中
    BAC009S0764W0123 但 因为 聚集 了 过多 公共 资源
    BAC009S0764W0124 为了 规避 三四 线 城市 明显 过剩 的 市场 风险
    BAC009S0764W0125 标杆 房企 必然 调整 市场 战略
    BAC009S0764W0126 因此 土地 储备 至关 重要
    BAC009S0764W0127 中原 地产 首席 分析 师 张大 伟 说
    BAC009S0764W0128 一 线 城市 土地 供应 量 减少

  • transcripts.txt 这个文件是text文件的副本 。内容跟text文件的内容格式一样

  • utt.list 这个文件是测试集和训练集中所有语音文件的名称

    BAC009S0764W0121
    BAC009S0764W0122
    BAC009S0764W0123
    BAC009S0764W0124
    BAC009S0764W0125
    BAC009S0764W0126
    BAC009S0764W0127
    BAC009S0764W0128
    BAC009S0764W0129
    BAC009S0764W0130
    BAC009S0764W0131
    BAC009S0764W0132
    BAC009S0764W0133
    BAC009S0764W0134
    BAC009S0764W0135
    BAC009S0764W0136
    BAC009S0764W0137
    BAC009S0764W0138
    BAC009S0764W0139

  • utt2spk_all 这里放的是语音文件的详细信息。第一列是语音文件名称，第二列是语音文件类别，即说话人名称

BAC009S0764W0121 S0764
BAC009S0764W0122 S0764
BAC009S0764W0123 S0764
BAC009S0764W0124 S0764
BAC009S0764W0125 S0764
BAC009S0764W0126 S0764
BAC009S0764W0127 S0764
BAC009S0764W0128 S0764
BAC009S0764W0129 S0764
BAC009S0764W0130 S0764
BAC009S0764W0131 S0764
BAC009S0764W0132 S0764
BAC009S0764W0133 S0764
BAC009S0764W0134 S0764
BAC009S0764W0135 S0764
BAC009S0764W0136 S0764
BAC009S0764W0137 S0764
BAC009S0764W0138 S0764
BAC009S0764W0139 S0764
BAC009S0764W0140 S0764

  • wav.flist 这个文件中放的是语音文件的详细地址和语音文件

    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0360.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0448.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0324.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0133.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0287.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0482.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0456.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0214.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0376.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0157.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0194.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0484.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0490.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0251.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0366.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0210.wav
    /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0263.wav

  • wav.scp

BAC009S0764W0121 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0360.wav
BAC009S0764W0122 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0448.wav
BAC009S0764W0123 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0324.wav
BAC009S0764W0124 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0133.wav
BAC009S0764W0125 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0287.wav
BAC009S0764W0126 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0482.wav
BAC009S0764W0127 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0456.wav
BAC009S0764W0128 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0214.wav
BAC009S0764W0129 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0376.wav
BAC009S0764W0130 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0157.wav
BAC009S0764W0131 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0194.wav
BAC009S0764W0132 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0484.wav
BAC009S0764W0133 /export/a05/xna/data/data_aishell/wav/test/S0766/BAC009S0766W0490.wav

二、特征提取

1、特征提取用到的脚本是：step/make_mfcc.sh 在文件夹exp中会产生make_mfcc文件夹。在make_mfcc文件夹下会有test 和 train 文件夹，里面放的是特征提取的日志。正真对的提取的特征在kaldi-master/egs/aishell/v1/mfcc 中。下面将提取到的特征可视化：

~/kaldi-master/src/featbin/copy-feats ark:/home/gwp/kaldi-master/egs/aishell/v1/mfcc/raw_mfcc_train.2.ark ark,t:- |head

运行结果：

BAC009S0036W0279 [
12.55563 -21.31167 11.26867 6.343046 15.55155 4.494844 20.27812 17.99247 18.88603 11.74063 1.810493 -4.666584 -0.2448959 -1.099169 1.787078 8.768214 -0.5345917 0.7129593 -1.881903 -0.184864
11.32757 -20.03719 16.31762 6.122036 2.568633 0.9016883 4.645835 9.24137 4.62358 7.516443 11.05698 7.462651 1.606389 2.067619 7.471634 4.220415 -7.865553 -4.594973 -2.89533 2.004371
11.91236 -24.09615 11.07287 10.10023 11.98197 8.601308 12.80181 20.9095 9.971997 -3.990842 -9.981028 -4.873005 12.09514 -0.05607986 -13.64925 2.12143 9.522418 10.41734 1.833998 2.004371
13.08194 -23.40003 8.919159 8.774164 14.95662 18.35416 18.23913 16.04778 5.812117 -8.620422 -6.109185 -6.524362 4.739332 7.88231 4.0609 10.8672 7.427207 4.352102 0.8205705 0.7026639
12.14628 -22.70391 9.506536 7.448099 19.12113 25.02716 16.8798 -1.454416 -6.327747 1.68997 9.730171 3.383781 3.17286 5.459522 3.68193 5.619738 -4.90952 1.926007 5.549899 6.6653
11.91236 -19.61236 13.08912 7.890121 11.98197 16.81424 3.966171 13.13075 9.377729 3.729235 7.266272 22.1378 17.13299 0.987011 -1.784221 -2.556049 0.3034925 -2.488651 0.4827612 0.9393382
12.84803 -17.27582 15.67192 10.76326 8.27466 12.19446 -10.80211 11.18606 13.53761 4.166221 9.202192 15.51031 1.463983 4.974965 8.608545 2.471261 4.074871 -1.730374 -1.206284 4.040326
12.20475 -22.00779 10.87708 8.332142 17.93127 11.16785 8.044158 17.99247 18.29176 18.80422 15.70079 9.829611 -8.219662 -8.25178 4.43987 8.768214 -0.1155496 -3.246927 -2.89533 -1.427403
11.7954 -22.00779 8.13599 7.448099 16.14648 11.68116 6.005165 17.02012 22.45164 9.555708 8.49822 6.042475 1.606389 -2.589295 -4.964538 1.071938 1.141577 2.896445 -8.269815 -1.604908

2、特征提取结束后还要运行脚本sid/compute_vad_decision.sh 进行数据预处理，进行VAD检测。VAD是语音激活检测算法，用于判断什么时候有语音输出，什么时候是静音状态。
3、如果在此数据出现异常重复等都可以运行脚本utils/fix_data_dir.sh 进行处理。

utils/fix_data_dir.sh data/所有data下的文件都可以进行处理。

到此为止数据和特征已经准备就绪，接下来就是训练模型。模型的训练请看Kaldi 说话人识别之aishell V1 模型（二）

注意：在运行run.sh脚本后会产生相应的文件夹，当你第二次运行run.sh 时会有下面的错误：

utils/validate_data_dir.sh: error: in data/train, vad.scp and
utt2spk do not have identical utterance-id list
这个问题的处理方法就是将运行产生的所有文件夹删除后再次运行即可。删除的文件夹有：data exp mfcc

gwprock
关注
  • 1
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
基于Kaldi+GStreamer搭建线上的实时语音识别器
01-06
一、安装python2.7和Tornado 4，ws4py, YAML,JSON等依赖包 1、sudo pip2 install tornado==4.3（4.0版本不行） 2、sudo pip2 install ws4py==0.3.2 3、sudo pip2 install pyyaml 4、sudo pip2 install  https://pypi.python.org/packages/40/ad/52c1f3a562df3b210e8f165e1aa243a178c454ead65476a39fa3ce1847b6/simplejson-3.10.0.tar.gz#md5=426
Kaldi 实战学习（1）说话人识别小例子（egs/aishell/v1）
Robin_Pi的博客
09-28 1024
进入：~/kaldi/egs/aishell/v1 # 地址变量（引号可省略，但是=之间不可有空格！） data=/export/a05/xna/data data_url=www.openslr.org/resources/33 # 载入引用文件（使用.，类似import） . ./cmd.sh . ./path.sh # 设置bash出错则退出 set -e # exit on error # 下载和解压数据（应该是两者选一） local/download_and_untar.sh $data $
说话人识别(speaker Recognition/Verification)简介
weixin_50547200的博客
06-07 4321
1.分类
kaldi语音识别资料.rar_kaldi_kaldi pdf 0.7_kaldi资料_语音识别
07-13
基于kaldi的语音识别小系统搭建以及kaldi的全部资料
data_AI_shell中文语音数据集合1
08-14
data_AI_shell中文语音数据集合1
AISHELL-1-sample数据集
10-31
包括 AISHELL-1_sample数据集 和词典
[语音识别框架之wenet] 使用CPU训练自定义数据集大小的AISHELL-Sample教程
的博客
04-24 3444
数据集下载 下载地址 1.准备 wav.scp text # 数据集存放的位置 sample_data=/home/asr/data/wenet/examples/aishell/s0/datasets/AISHELL-1_sample # 数据生成的地方 data=/home/asr/data/wenet/examples/aishell/s0/data_ if [ ! -d $data ];then mkdir -p $data fi # 初始化 rm -rf $data/wav.scp rm
KALDI之aishell模型说话人识别之V1
weixin_38858860的博客
11-07 3877
1.首先，成功安装kaldi在服务器上，用git clone那种方式安装（和在本地Unbuntu乌班图环境安装没区别）。 2数据准备部分 然后进入目录cd egs/aishell/V1   2.1首先改cmd的配置： vim cmd.sh 1 改为： export train_cmd=run.pl #"queue.pl --mem 2G" :wq保存后。 2...
Kaldi数据下载很慢
youarehappy的博客
01-03 1375
运行kaldi 的run.sh文件时，数据集在openslr上，数据集比较大（例如aishell，总共15G）,国内网络情况下下载比较慢。 1）修改为国内地址 例如 aishell，默认的run.sh里写的是www.openslr.org/resources/33，需要改为国内站点，http://openslr.magicdatatech.com/resources/33。 其他目录可以看：http://openslr.magicdatatech.com/resources.php 2）即使修改为.
Kaldi 和语音识别
04-13
Kaldi 和语音识别
kaldi自由说训练好的模型
07-08
利用从网上下载的kaldi源码和语音数据，训练好的支持自由说的模型，是模型，模型，模型！ 不是源码，也不是其他的语音资源文件，需要的朋友可以下载下来，结合kaldi中eg5/aishell/s5的例子使用！
Kaldi中aishell语料训练结果（kaldi_aishell_exp.txt）
07-22
包含mono、tri1、tri2、tri3a、tri4a、tri5a已训练好的mdl、fst等文件，不包含dnn训练结果
data_AI_shell中文语音数据集合8
08-14
data_AI_shell中文语音数据集合8data_AI_shell中文语音数据集合2data_AI_shell中文语音数据集合1data_AI_shell中文语音数据集合1
Kaldi下载和安装——Centos7
阿鹏的摇滚小站
04-24 2170
Kaldi是一款基于C++编写的开源语音识别工具箱。这款工具既可以在Windows下编译也可以在Linux下编译。本次我是在Centos 服务器上安装。说明一点：之前是在Ubuntu16.04下面安装的，跑第一个说话人识别的例子aishell的时候，开始运行计算机不能进行处理。跑了两天只好关机重启，但是重新运行的时候又出现了错误。把运行生成的文件夹data、exp删了重新sudo ./run.sh...
Kaldi 中MFCC特征可视化
阿鹏的摇滚小站
05-08 1896
训练后MFCC文件夹中会产生提取的说话人语音特征，可视化这个文件的命令为： ~/kaldi-master/src/featbin/copy-feats ark:raw_mfcc_pitch_dev.6.ark ark,t:- |head 可视化后的结果为： /home/gwp/kaldi-master/src/featbin/copy-feats ark:raw_mfcc_pitch...
Kaldi中实现模型的可视化
阿鹏的摇滚小站
05-08 1644
在kaldi训练结束后，exp文件中会产生一个模型。要可视化这个模型需要调用kaldi中自身的函数gmm-copy.具体实现代码如下： [gwp@localhost ~]$ ~/kaldi-master/src/gmmbin/gmm-copy --binary=false /home/gwp/kaldi-master/egs/aishell/s5/exp/mono/final.mdl txt...
A4打印模板-画图设计设计师产品草稿图纸-网格纸A4打印模板高清待办练字模板PDF下载.pdf
最新发布
04-23
A4打印模板-画图设计设计师产品草稿图纸-网格纸A4打印模板高清待办练字模板PDF下载
python调用kaldi语音识别模型
04-23
好的，您可以使用python调用kaldi语音识别模型的方法如下： 1. 安装kaldi：您需要先安装kaldi并完成配置，以便可以使用kaldi的命令行工具。 2. 安装python包：您需要安装一个python包来调用kaldi，其中一个常用的包是pykaldi。您可以使用pip命令进行安装。 3. 准备语音数据：您需要准备一些语音数据作为输入，这些数据可以是.wav格式。 4. 转换为特征：使用kaldi的命令行工具将语音数据转换成特征，例如MFCC特征。 5. 调用模型：使用pykaldi包调用kaldi的模型进行识别。您需要提供模型文件和特征文件路径，然后您就可以使用Python代码进行调用。 以上是Python调用kaldi语音识别模型的基本步骤。需要注意的是，这只是一个大致的步骤，具体如何实现取决于您的具体情况。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值