u013677156的专栏

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-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： 1 2 3 4 5 6 7 8 0 0 0 0.5 1 0.5 1

kaldi中TransitionModel介绍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

kaldi中的解码算法里，需要记录很多的令牌（token）。每个令牌，都是一条路径的“头”，通过这个令牌回溯，就可以得到一条完整的路径。如果解码到最后一帧，从所有的令牌中，找到得分最优的那个的令牌，回溯得到路径，其路径上的输出，就是识别结果。（one-bese结果）在解码过程中，会产生很多的令牌。需要设计一种数据结构和相关算法，用来保存和更新令牌。其设计要求可以简单概括如下。  1、可以快

kaldi中的Vector和Matrix    Vector和Matrix是kaldi中最常用的数据类型之一。语音数据，提取的特征，计算的结果，都保存在Vector或者Matrix之中。按照字面意思，Vector是“向量”，它只有一行数据，是一维的。Matrix是“矩阵”，它有行与列两个维度。kaldi中的Vector和Matrix，可以做许多数学上的操作。比如点加或点乘（每个元素都加上一