1 用法
# This script takes a list of utterance-ids or any file whose first field
# of each line is an utterance-id, and filters an scp
# file (or any file whose "n-th" field is an utterance id), printing
# out only those lines whose "n-th" field is in id_list. The index of
# the "n-th" field is 1, by default, but can be changed by using
# the -f <n> switch
用法:utils/filter_scp.pl utt.list utt2spk_all |sort -u > utt2spk
也可以这么写,加了一个<
新写法:utils/filter_scp.pl < utt.list utt2spk_all |sort -u > utt2spk
utils/filter_scp.pl utt.list utt2spk_all |sort -u > utt2spk
utils/filter_scp.pl < utt.list utt2spk_all |sort -u > utt2spk
2 中文解释
输入参数【utt.list】
每行是一个utterance-id
输入参数【utt2spk_all 】
每行是一个含有很多field字段的文本,其中第n序号字段是utterance-id
-f <n>
默认n为1,即utt2spk_all 中的第1个字段就是utterance-id,可以自己指定
3 作用
将utt2spk_all 中 满足utterance-id在utt.list中
的行给导出并重新生成给utt2spk文件
而 utt.list生成
可以从文本转写txt中得到,用以下命令:
awk '{print $1}' transcripts.txt > utt.list
transcripts.txt内容
transcripts.txt是一个以空格隔开的含有两个字段(分别是utterance-id、text)的多行文本
通过awk打印出第一个字段(utterance-id)到utt.list
4 注意
awk 列数下标默认从1开始
其实utils/filter_scp.pl的作用是,utt2spk_all表 和 utt.list表(id表)【取交集】