Kaldi简单解码器（SimpleDecoder）

Kaldi简单解码器（SimpleDecoder）

• 总述

本节我们讲述kaldi中一个最简单的解码器，实现这个解码器的类是SimpleDecoder，理解了这个解码器，也就打下了解码搜索的基础，其他的解码器方法也与其类似，目录在kaldi/src/decoder/simple-decoder.h。解码图数据结构依赖于openfst，基本上可以通过名称猜到表达的含义。

• 分析

上一节已经知道，解码的过程就是在解码图中搜索最优路径的过程，解码图的构建也在上一节做了简单的介绍，它就是语言模型、词典、上下文音素和HMM构成的一个大的资源图。关于具体如何去做以后我们结合脚本再进行细讲。

我们知道，WFST解码图中，信息都在边上、节点上没有信息（终止节点除外），边上输入表示建模单元、输出表示词、权重表示概率（语言模型概率+转移概率+词典发音概率）。

在解码前，需要先加载解码图，设定剪枝系数beam，传进解码器中，调用构造函数

SimpleDecoder(const fst::Fst<fst::StdArc> &fst, BaseFloat beam): fst_(fst), beam_(beam) { }

bool Decode(DecodableInterface *decodable);解码一整句话。

函数bool ReachedFinal() const;表示是否有节点到达终止节点。

函数bool GetBestPath(Lattice *fst_out, bool use_final_probs = true) const;获取最后输出路径。

函数BaseFloat FinalRelativeCost() const;会返回全局最优路径和到达终止节点的最优路径的差值。

函数void InitDecoding();初始化解码器，一句新的语音开始，要初始化解码器。

函数void AdvanceDecoding(DecodableInterface *decodable,int32 max_num_frames = -1);解码一段语音数据。

函数int32 NumFramesDecoded() const { return num_frames_decoded_; }返回已经解码的帧数。

类class Token；在解码过程中挂载在某个状态上的令牌，保存当前解码信息。

函数void ProcessEmitting(DecodableInterface *decodable);每帧调用，扩展实边（ilabel!=0）。

函数void ProcessNonemitting();每帧调用，扩展空边（ilabel==0）。

成员变量unordered_map<StateId, Token*> cur_toks_;当前帧活跃的节点和对应的令牌。

成员变量unordered_map<StateId, Token*> prev_toks_;上一帧活跃的节点和对应的令牌。

成员变量const fst::Fst<fst::StdArc> &fst_;解码图

成员变量BaseFloat beam_;剪枝系数

函数static void ClearToks(unordered_map<StateId, Token*> &toks);清空令牌。

函数static void PruneToks(BaseFloat beam, unordered_map<StateId, Token*> *toks);剪枝令牌

 

下面解析几个主要的方法：

先来看一个整的解码过程

bool SimpleDecoder::Decode(DecodableInterface *decodable) {

  //初始化解码器

  InitDecoding();

  //帧同步解码，循环次数为帧数

  while( !deco