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