Kaldi中文语音识别（1）官方文档初解读

接触语音识别以来，从看文献开始了解语音识别是怎么一回事，它的基本原理、背景、识别流程等等…
现在要用Kaldi进行语音识别真的可以称上小白了，关于文档解读，仅供大家参考。

【以下为Kaldi官方文档目录及内容】

3 kaldi 的使用
3.1 总述
在跑 kaldi 里的样例时，你需要注意三个脚本：cmd.sh path.sh run.sh。下
面分别来说，

1. Cmd.sh 脚本为：

【
“queue.pl” uses qsub. The options to it are
options to qsub. If you have GridEngine installed, # change this to a queue you have access to. # Otherwise, use “run.pl”, which will run jobs locally
(make sure your --num-jobs options are no more than
#the number of cpus on your machine.

• #a)

JHU cluster options
#export train_cmd=“queue.pl -l arch=*64” #export decode_cmd=“queue.pl -l arch=*64,mem_free=2G,ram_free=2G” #export mkgraph_cmd=“queue.pl -l arch=*64,ram_free=4G,mem_free=4G” #export cuda_cmd=run.pl

• #b)

BUT cluster options
#export train_cmd=“queue.pl -q all.q@@blade -l
ram_free=1200M,mem_free=1200M” #export decode_cmd=“queue.pl -q all.q@@blade -l
ram_free=1700M,mem_free=1700M” #export decodebig_cmd=“queue.pl -q all.q@@blade -l
ram_free=4G,mem_free=4G” #export cuda_cmd=“queue.pl -q long.q@@pco203 -l gpu=1” #export cuda_cmd=“queue.pl -q long.q@pcspeech-gpu” #export mkgraph_cmd=“queue.pl -q all.q@@servers -l
ram_free=4G,mem_free=4G”

• #c)

run it locally… export train_cmd=run.pl
export decode_cmd=run.pl
export cuda_cmd=run.pl
export mkgraph_cmd=run.pl
】
大家可以很清楚的看到有 3 个分类分别对应 a，b，c。a 和 b 都是集群上去运
行这个样子，c 就是我们需要的。我们在虚拟机上运行的。你需要修改这个脚本。

2. Path.sh 的内容：

export KALDI_ROOT=pwd/…/…/… export
PATH=$PWD/utils/:$KALDI_ROOT/src/bin:$KALD{I}_{R}OO$