lbaihao的专栏

Kaldi官网 http://kaldi-asr.org/doc/index.html 包括一大堆原理和工具的使用说明，有什么问题请首先看这个。 Kaldi Lecture http://www.danielpovey.com/kaldi-lectures.html 相比于上一个会给一个更简略的原理、流程介绍。 Kaldi中文翻译1 如果感觉英语读起来比较头疼的话建议搜一下这个来看看，是对官网...

Htk解码器网络之前看过一部分wfst解码器的代码，跟pocketsphinx的解码器部分结构上面不太一样，所以阅读了一下htk的解码器部分的说明，以期望对pocketsphinx的代码阅读有帮助。参考资料：HTK book http://htk.eng.cam.ac.uk/download.shtml 解码器网络一、     解码器网络的概况网络分为两种：word网络...

train_mono.sh 是音素训练脚本，下面详细介绍各个功能：1.首先是初始化GMM，使用的脚本是/kaldi-trunk/src/gmmbin/gmm-init-mono，输出是0.mdl和tree文件；2.compile training graphs,使用的脚本是/kaldi-trunk/source/bin/compile-training-graphs，输入是tree,0.m...

近来在了解卷积神经网络（CNN），后来查到CNN是受语音信号处理中时延神经网络（TDNN）影响而发明的。本篇的大部分内容都来自关于TDNN原始文献【1】的理解和整理。该文写与1989年，在识别"B", "D", "G"三个浊音中得到98.5%的准确率，高于HMM的93.7%。是CNN的先驱。 普通神经网络识别音素在讲TDNN之前先说说一般的神经网络的是怎样识别音素的吧。假设要识别三个辅...

WFST在语音识别中的应用，要从Mohri的《Weighted Finite-State Transducers in Speech Recognition》这篇论文开始说起。首先看下面简单的WFST图，它是一个有向图，状态转移弧上有输入符号、输出符号以及对应的权重值。下图中的输入符号和输出符号相同，当然在多数情况下它们是不相同的，在语音识别中，输入可能是发声的声韵母，输出是一个个汉字或词语。...

kaldi中的hmm-topology介绍kaldi中是对音素进行建模，使用HMM模型。一般情况下每个音素有3个状态，每个状态有2个弧。静音音素sil可能有5个状态，且每个状态可能不止2个弧。kaldi中音素的HMM模型的topo文件，一般是由脚本utils/gen_topo.pl生成。一个示例如下：<Topology><TopologyEntry><...

kaldi源代码简单说明kaldi是开源的，基于C++的语音识别工具。一方面语音识别有较高的技术门槛，包含了很多方面的东西，另一方面kaldi集成了太多的东西，造成了其代码量很大，阅读起来很困难。kaldi现在集成了很多的东西，造成其代码量很大，直接阅读起来感觉无从下手。但是，每个项目，一开始的时候，都是比较简单的，代码量也较小。我从git上下载过来kaldi源码后，通过git res...

kaldi中的HMM模型，实际就是一个TransitionModel对象。这个对象描述了音素的HMM拓扑结构，并保存了pdf-id和transition-id相关的信息，并且可以进行各种变量的转换。TransitionModel的定义和实现位于transition-model.h和transition-model.cc中。在了解此对象之前，应先阅读和理解hmm-topology相关的内容。在介...

https://blog.csdn.net/yutianzuijin/article/details/77621511https://blog.csdn.net/yutianzuijin/article/details/78756130 arpa2fst 原理详解  

local/prepare_data.sh waves_yesno#!/bin/bashmkdir -p data/locallocal=`pwd`/localscripts=`pwd`/scriptsexport PATH=$PATH:`pwd`/../../../tools/irstlm/binecho "Preparing train and test data"t...

#!/bin/bashtrain_cmd="utils/run.pl"decode_cmd="utils/run.pl"if [ ! -d waves_yesno ]; then wget http://www.openslr.org/resources/1/waves_yesno.tar.gz || exit 1; # was: # wget http://sourcef...

http://kaldi-asr.org/doc/index.htmlhttps://blog.csdn.net/chinatelecom08/article/details/81392535https://blog.csdn.net/it_king1/article/details/80109398

在Kaldi tutorial: Overview of the distribution中介绍了一个使用openfst的例子。先来介绍一下这个例子，再来说明FST(finite-state transducers,有限状态机)如何应用到语音识别中。首先有三个文件，text.fst、isyms.txt、osyms.txt。text.fst文件的内容为（请无视前面的行号）：0 1 a x...

目录1. 注意事项 2. 流程图： 3. 具体流程指令：1. 注意事项首先要训练好模型，用到3个文件，分别是： final.mdl(训练模型得到的模型文件) final.mat（用来特征转换） HCLG.fst（fst文件） 此外要提供待解码音频文件或路径.scp文件： wav.scp(音频路径.scp文件) 2. 流程图：st=>start: 开...