中文语音评测之thchs30+gop_speechocean762实现

一 、thchs30中文模型训练

参见https://blog.csdn.net/wyw0000/article/details/125456902?spm=1001.2014.3001.5502
这里不详细叙述

二、拷贝一份gop_speechocean762

拷贝一份gop_speechocean762，命名为gop_chinese

三、拷贝lang、extractor和tdnn_sp到gop_chinese下

从thchs30目录下拷贝lang、extractor和tdnn_sp到gop_chinese下

cd gop_chinese
mkdir thchs30
cp -rf thchs30/data/lang thchs30
cp -rf thchs30/exp/nnet3/extractor thchs30
cp -rf thchs30/exp/nnet3/tdnn1a_sp thchs30/tdnn_sp 

修改run.sh

librispeech_eg=../thchs30
model=$librispeech_eg/tdnn_sp
ivector_extractor=$librispeech_eg/extractor
lang=$librispeech_eg/lang

三 、生成dict_nosp和lang_nosp

1 、从thchs30拷贝data/dict 到gop_chinese 的data/dict_nosp下 ，同时修改run.sh

 if [ $stage -le 6 ]; then
  # Prepare lang
  #local/prepare_dict.sh data/local/lexicon.txt data/local/dict_nosp

  utils/prepare_lang.sh --phone-symbol-table $lang/phones.txt \
    data/local/dict_nosp "<UNK>" data/local/lang_tmp_nosp data/lang_nosp
fi

2、 修改utils/prepare_lang.sh中的position_dependent_phones 为false

因为thchs30中文音素不像英文音素那样带有位置标识，如：_B、_I、_S、_E，故position_dependent_phones 设置成false

3、 修改run.sh 中的data/local/dict_nosp ""为data/local/dict_nosp “<SPOKEN_NOISE>”

四、准备评测数据

评测数据集仍然可以使用thch30,对于评测数据中的score.json可以借助于其他家成熟的评测接口跑thch30的数据，将评测结果转化的score.json的格式，再用score.json生成对应的text-phone，text-phone是按照词组进行切分的，一定要保证其音素与score.json是一致的，否则在训练gop模型的时候会报Unmatch错

五、修改run.sh脚本

由于thchs30的phones.txt序号0和1不是有效的音素，而2是a,是有效音素，故–skip-phones-string为0:1

#修改前
compute-gop --phone-map=data/lang_nosp/phone-to-pure-phone.int \
        --skip-phones-string=0:1:2 
#修改后
compute-gop --phone-map=data/lang_nosp/phone-to-pure-phone.int \
        --skip-phones-string=0:1 \

六、评测脚本c++改造

对于实际应用的语音评测场景来说，使用shell脚本肯定是不现实的，因为不能支持高并发。因此需要将脚本用c++重新实现一遍，实际上这个脚本干活的步骤也是c++实现的，只要找到每步对应的c++实现，组织到一起就可以完成c++的改造。我之前就是以这样的思路完成的，最近发现gop_speechocean762的作者张俊博大神已经实现了c++的版本，链接地址：https://github.com/jimbozhang/kaldi-gop