语音识别——kaldi解码及特征提取详解

1. 注意事项

• 首先要训练好模型，用到3个文件，分别是：
  • final.mdl(训练模型得到的模型文件)
  • final.mat（用来特征转换）
  • HCLG.fst（fst文件）
• 此外要提供待解码音频文件或路径.scp文件：
  • wav.scp(音频路径.scp文件)

2. 流程图：

Created with Raphaël 2.2.0 开始 compute-mfcc-feats copy-feats compute-cmvn-stats apply-cmvn splice-feats transform-feats nnet-latgen-faster

流程每一步意义如下：

2. 使用compute-mfcc-feats提取特征，生成对应的特征文件feats.ark；
3. 使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark ；
4. 使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark ；
5. 使用apply-cmvn得到了applycmvn.ark文件；
6. 使用splice-feats来继续变换特征 ，拼接相邻帧的特征；
7. 使用transform-feats来进行特征转换，为了解码调用 ；
8. 最后通过得到的transform.ark进行解码的操作，得到解码后的lattice文件 。

3. 具体流程指令：

1. 首先列出具体文件，这里我就按照自己的文件给出了，如果用别的，改相应文件就行了
   2. wav.scp(里面是保存了wav的绝对路径)
   3. final.mdl(训练模型得到的模型文件)
   4. final.mat（用来特征转换）
   5. HCLG.fst（fst文件，用于解码）
2. 使用compute-mfcc-feats生成对应的特征文件feats.ark:
   compute-mfcc-feats --use-energy=false scp:wav.scp ark:feats.ark
3. 使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark
   copy-feats ark:feats.ark ark,scp:feat.ark,feat.scp
4. 使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark
   compute-cmvn-stats scp:feat.scp ark,scp:cmvn.ark,cmvn.scp
5. 使用apply-cmvn，得到了applycmvn.ark文件
   apply-cmvn scp:cmvn.scp scp:feat.scp ark:applycmvn.ark
6. 使用splice-feats来继续变换特征
   splice-feats --left-context=3 --right-context=3 ark:applycmvn.ark ark:splice.ark
7. 使用transform来进行特征转换，为了解码调用
   transform-feats final.mat ark:splice.ark ark:transform.ark
8. 最后通过得到的transform.ark进行解码的操作，得到一个晶格文件
   nnet-latgen-faster [options]

版权声明：转载请注明出处，谢谢