kaldi data preparation

主要两个文件夹data/train和data/lang

train

需要手动创建三个文件
- utt2spk
- text
- wav.scp

以上文件需要提前按照C++方式排序

export LC_ALL=C

然后可以调用steps下的脚本抽特征

steps/make_mfcc.sh --nj 20 --cmd "$train_cmd" data/train exp/make_mfcc/train $mfccdir
steps/compute_cmvn_stats.sh data/train exp/make_mfcc/train $mfccdir

得到两个文件：
- train/feats.scp
- train/cmvn.scp

lang

需要提前准备的文件data/local/dict：
- extra_questions.txt
- lexicon.txt
- nonsilence_phones.txt
- optional_silence.txt
- silence_phones.txt

运行一下脚本生成data/lang

utils/prepare_lang.sh data/local/dict "<UNK>" data/local/lang data/lang