kaldi中文语音识别(1)

最新推荐文章于 2022-02-14 09:27:43 发布

shenzhiping12

最新推荐文章于 2022-02-14 09:27:43 发布

阅读量1.8k

点赞数 2

                    版权声明：本文为博主原创文章，未经博主允许不得转载。                        https://blog.csdn.net/zyziszy/article/details/82919957                    </div>
                                                <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-3019150162.css">
                                    <div id="content_views" class="markdown_views prism-atom-one-dark">
                <!-- flowchart 箭头图标 勿删 -->
                <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                    <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                </svg>
                                        <p></p><div class="toc"><h3><a name="t0"></a>目录</h3><ul><ul><li><a href="#kaldi_13" rel="nofollow" data-token="a2a2ae159a6a29db7d80861b651800fb" target="_self">kaldi是什么</a></li><li><a href="#kaldi_17" rel="nofollow" data-token="e3b403c5add61eb64ef7600ec32def99" target="_self">kaldi与中文语音识别</a></li><li><a href="#kaldi_27" rel="nofollow" data-token="64a4a8aaf7bfc2ab7a1e15d8ad57946f" target="_self">编译与安装kaldi</a></li><li><a href="#kaldi_138" rel="nofollow" data-token="e3928b4ef9043fbc802b91ad2620b71c" target="_self">用kaldi进行中文语音识别</a></li></ul></ul></div><p></p>

这3篇博客，详细总结和记录了我编译安装kaldi和两种用kaldi进行中文语音识别的过程，包括如何kaldi的简单介绍、环境的配置、相关模型的训练、导入，算是自己近期学习的一个总结，也希望可以帮助到需要的人~~~

本篇博客主要记录了我编译安装kaldi的过程

另外两篇博客的连接

kaldi是什么

kaldi是一个用C++写的语音识别工具包。kaldi旨在供语音识别研究员使用。当然，kaldi也可以用作声纹识别。关于他的详细介绍可以访问kaldi的官方文档

kaldi与中文语音识别

感谢很多大神与科研工作者在kaldi上开源了他们的数据集和训练模型，让我这样的小白可以站在巨人的肩膀上前行。目前我所了解到有3个开源的中文语音识别例子。

清华大学开源的thchs30数据集（疯狂为CSLT打电话~~~）
CVTE公司开源的CVTE Mandarin Model模型
Beijing Shell Shell Technology公司开源的aishell数据集

如果有同学知道其他的数据集or模型，中英文皆可，欢迎联系我补充啊~

编译与安装kaldi

注意：为了提高训练的速度，kaldi最好安装在GPU云服务器下。如果没有服务器话，使用虚拟机应该也是可以的，但一定要分配足够的内存空间和存储空间。下面我就以我使用的centos服务器为例，介绍kaldi的编译与安装。

编译与安装大概分为3步

安装git、下载kaldi的源码
安装编译所需依赖包
配置、编译kaldi

1.kaldi的下载

kaldi的所有源码开源在了GitHub上，可以直接git下载到服务器上，首先得确保服务器上安装了git，如果没有安装的话，就先安装git

sudo yum install git -y

 
 
 
 1

接着git clone下载kaldi

git clone https://github.com/kaldi-asr/kaldi.git

 
 
 
 1

下载完成kaldi源码后，我们将得到如下一个文件结构的目录。

kaldi/
├── COPYING
├── egs/				//egs目录里存放了使用kaldi完成的开源语音识别/声纹识别项目
├── INSTALL				//编译安装kaldi的指导
├── misc/
├── README.md
├── scripts/
├── src/				//src文件夹里存放了kaldi源码
├── tools/				//tools文件夹里存放了语音处理的工具包
└── windows/				//windows文件夹存放了在windows下编译安装kaldi的文件

 
 
 
 1
2
3
4
5
6
7
8
9
10

2.安装编译所需要的依赖包

编译之前需要确操作系统中安装有如下包

  subversion
  automake
  autoconf
  libtool
  g++
  zlib
  libatal
  wget
  sox

 
 
 
 1
2
3
4
5
6
7
8
9

首先进入到kaldi/tools目录下，接着在调用check_dependencies.sh脚本检查系统中的包是否安装完全

cd kaldi/tools
extras/check_dependencies.sh

 
 
 
 1
2

如图所示，这个shell脚本会提示系统需要安装的包，按照提示安装即可。

安装完成后再次运行这个脚本，如果提示OK就可以开始进行kaldi的编译。

3.编译kaldi

首先编译tools，在在kaldi/tools目录下输入

make

 
 
 
 1

我使用的服务器是i7有8个核心，因此输入make -j 8可以使用8个核心一起编译，加快编译速度。

之后转到kaldi/src目录下,输入如下命令

cd ../src

 
 
 
 1

在src目录下首先要运行configure进行配置，由于每个人的cuda版本、安装路径不一定相同，所以这里需要根据自己的服务器情况进行修改，如下是我的configure配置方案，仅供参考。

./configure --static \
            --use-cuda=yes \
            --cudatk-dir=/home/zy/cuda/cuda-8.0 \
            --mathlib=OPENBLAS \
            --openblas-root=../tools/OpenBLAS/install \
            --threaded-math=no \
            --static-math=yes \
            --static-fst=yes \
            --fst-root=../tools/openfst

 
 
 
 1
2
3
4
5
6
7
8
9

配置完成后，就可以进行src的编译了

make depend
make

 
 
 
 1
2

同样，如果是多核CPU的话，你可以使用make depend -j 8和make -j 8加快编译速度

完成后会有提示成功和失败，结束make后就算完成了kaldi的编译与安装了~

用kaldi进行中文语音识别

完成kaldi的安装后，就可以用kaldi做语音识别了~，下面分别是我用kaldi做的两种不同中文语音识别的博客连接。

参考资料：

{
	Author: "byr-zyziszy",
	Mail: "zyziszy@foxmail.com",
	Github: "https://github.com/zyzisyz",
	Date: "2018-10-2"
}

 
 
 
 1
2
3
4
5
6

                                </div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e44c3c0e64.css" rel="stylesheet">
                </div>
</article>