用Kaldi在TIMIT上跑Speech Adaptation 和 Gender Dependent遇到的坑

这个是啥

这个博客主要用来记录在爱丁堡大学读Speech and Language Processing的硕士时上过的一些课程。我自己本人是国内普通211汉语言学本科的，相关的背景也比较薄弱，还望各位多担待。

TIMIT是很多研究Kaldi的旁友经常接触到的语料库，网上也有不少介绍在Kaldi上跑TIMIT的文章，我个人觉得比较详细的是以下这篇：
Kaldi完美运行TIMIT完整结果（含DNN）

上面这篇文章把/egs/timit/s5/run.sh里的内容基本上介绍了一遍，Dan Povey本人在Google的group上也经常会让提问的人回去研究一下这些类似于‘范例’一样的脚本，这是学习Kaldi的一个好途径。【也是我完成这个作业的一个小捷径。

这里主要介绍一下我在完成这份作业时遇到的几个小坑，基本上都是我在作业中遇到的，而且国内论坛没怎么见人提到过的。

语言模型

Kaldi主要是用来做文字级别的识别，即word recognition，同时也能拿来做音素级别的识别，也就是phone recognition。这个主要是在数据准备的阶段完成，Kaldi会根据data中提供的字典生成语言模型。我们可以通过查看data/lang/word 这个文件的内容来判断，如果里面的是音素，那就是做音素级别的识别，反之则是文字级别的。

这个在训练之前要注意一下，同时也要保证data/train/text和data/test/text这两个文件里的大小写要和上面提到的data/lang/word一致。

这个大概就是语言模型容易遇到的坑，建议留神࿰