kaldi 源码阅读(一) - 环境搭建

按照我一贯的做法，来阅读开源代码：

1. 编译以及基础功能的测试
2. 模块功能划分
3. 单一模块解析(添加注释或日志)
4. 扩展新demo工程
5. 自定义模块及调用

文章也会按照上述流程进行开展。

进入正题...

一、环境构建

• 安装必要工具

sudo apt-get install -y git wget libatlas-dev libatlas-base-dev gfortran g++ zlib1g-dev autoconf automake gcc libtool perl subversion

• 同步代码

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

• kaldi 依赖包

如下工具均在 kaldi/tools 内进行编译安装，详细内容参见 kaldi/tools/Makefile 中的编译文件

- OpenFst                状态机
- IRSTLM                 语言模型工具
- SRILM                    比 IRSTLM 好的语言模型工具
- sph2pipe                将 sph 文件转换为 其他格式比如 wav等。 LDC 数据相关的脚本需要该工具。
- sclite                       打分工具，也可以使用简单程序比如 compute-wer.cc 
- ATLAS                    线代库
- CLAPACK              线代库
- OpenBLAS             线代库

二、编译执行

cd kaldi/tools
# 检查当前系统是否已经安装完所依赖的工具，详细内容参见 kaldi/tools/INSTALL
./extras/check_dependencies.sh
# 安装完所有内容之后执行如下步骤
make; cd ../src; ./configure; make

按上述方式，先安装基础的工具，然后编译 kaldi 基础组件

三、测试

进入 egs/yesno/s5 目录中, 执行如下命令：

run.sh

运行后生产如下日志：

....
fstminimizeencoded 
fstrmsymbols exp/mono0a/graph_tgpr/disambig_tid.int 
fsttablecompose exp/mono0a/graph_tgpr/Ha.fst data/lang_test_tg/tmp/CLG_1_0.fst 
fstdeterminizestar --use-log=true 
fstisstochastic exp/mono0a/graph_tgpr/HCLGa.fst 
0.5342 -0.000482149
HCLGa is not stochastic
add-self-loops --self-loop-scale=0.1 --reorder=true exp/mono0a/final.mdl 
steps/decode.sh --nj 1 --cmd utils/run.pl exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno
decode.sh: feature type is delta
steps/diagnostic/analyze_lats.sh --cmd utils/run.pl exp/mono0a/graph_tgpr exp/mono0a/decode_test_yesno
steps/diagnostic/analyze_lats.sh: see stats in exp/mono0a/decode_test_yesno/log/analyze_alignments.log
Overall, lattice depth (10,50,90-percentile)=(1,1,2) and mean=1.2
steps/diagnostic/analyze_lats.sh: see stats in exp/mono0a/decode_test_yesno/log/analyze_lattice_depth_stats.log
local/score.sh --cmd utils/run.pl data/test_yesno exp/mono0a/graph_tgpr exp/mono0a/decode_test_yesno
local/score.sh: scoring with word insertion penalty=0.0,0.5,1.0
%WER 0.00 [ 0 / 232, 0 ins, 0 del, 0 sub ] exp/mono0a/decode_test_yesno/wer_10_0.0