awk grep sed 语音识别 应用 ----aishell 处理transcipt为合适的格式 和 利用DaCiDian来分词

对aishell_transcript_v0.8.txt进行处理(去掉文本之间的空格,并且修改wav名称和文本之间的隔断为tap)

awk '{for(i=2;i<=NF;++i) printf $i; print "\n"}' aishell_transcript_v0.8.txt > ~/home/aishell/data/text

取wav编号,为合成text分词做准备

awk '{print $1}' aishell_transcript_v0.8.txt > ~/home/aishell/data/wav

 

将text中的空行去掉

grep -v '^$' text > text-c

将wav 和 text-c 重新连接起来,中间用 tap 分割

paste -d "\t" wav text-c > TRANS

效果展示如下

 

/student/home/gyc/home/aishell/data/TRANS

 

分词:

python word_segmentation.py word_seg_vocab.txt TRANS > out_text

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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