Kaldi系列--Ubuntu中TIMIT在线识别（三）

上一篇我们讲解了TIMIT的训练步骤，现在利用训练好的模型，进行在线语音识别。

在kaldi 的工具集里有好几个程序可以用于在线识别。这些程序都位在src/onlinebin文件夹里，他们是由src/online文件夹里的文件编译而成(你现在可以用make ext 命令进行编译).这些程序大多还需要tools文件夹中的portaudio 库文件支持，portaudio 库文件可以使用tools文件夹中的相应脚本文件下载安装。注：online官方不再维护，新版本为online2，不过先从简单的online开始。

这些程序罗列如下：
online-gmm-decode-faster: 从麦克风中读取语音，并将识别结果输出到控制台
online-wav-gmm-decode-faster:读取wav文件列表中的语音，并将识别结果以指定格式输出。
online-server-gmm-decode-faster:从UDP连接数据中获取语音MFCC向量，并将识别结果打印到控制台。
online-net-client :从麦克风录音，并将它转换成特征向量，并通过UDP连接发送给online-server-gmm-decode-faster
online-audio-server-decode-faster :从tcp连接中读取原始语音数据，并且将识别结果返回给客户端
online-audio-client :读出wav文件列表，并将他们通过tcp 发送到online-audio-server-decode-fater,得到返回的识别结果后，将他存成指定的文件格式
代码中还有一个java版的online-audio-client ,他包含更多的功能，并且有一个界面。另外，还有一个与GStreamer 1.0兼容的插件，他可以对输入的语音进行识别，并输出的文字结果。这个插件基于onlinefasterDecoder,也可以做为在线识别程序

1、安装portaudio

首先我们cd到tools下面，执行：sudo ./install_portaudio.sh，然后在cd到src下面，执行：sudo make ext 

（我第一次在线live识别的时候portaudio报错，解决方法是：先进入tools/portaudio，用./configure查看依赖，通常情况alsa显示no，通过sudo apt-get install libasound-dev可以解决。然后进入/tools，执行：./install_portaudio.sh。回到/src目录，编译扩展程序：make ext 。可以用arecord测试一下Ubuntu录音机是否正常：arecord -f cd -r 16000 -d 5 test.wav ）

2、接下来跑tri1。去egs下，打开voxforge，里面有个online_demo，直接拷贝到timit下，和s5同级。在online_demo里面建2个文件夹online-data work,在online-data下建两个文件夹audio和models，audio下放你要回放的wav，models建个文件夹tri1，把s5下的exp下的tri1下的final.mdl和35.mdl拷贝过去。把s5下的exp下的tri1下的graph_word里面的words.txt,和HCLG.fst，拷贝到models的tri1下。

3、修改修改tri1地址online_demo下的run.sh

1） 修改tri1位置

#ac_model_type=tri2b_mmi

ac_model_type=tri1

2）注释掉如下代码（这段是voxforge例子中下载现网的测试语料和识别模型的。我们测试语料自己准备，模型就是tri1了）

#if [ ! -s ${data_file}.tar.bz2 ]; then
#    echo "Downloading test models and data ..."
#    wget -T 10 -t 3 $data_url;
#
#    if [ ! -s ${data_file}.tar.bz2 ]; then
#        echo "Download of $data_file has failed!"
#        exit 1
#    fi

#fi

3） 修改model为final.mdl

#       online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
#            --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
#            scp:$decode_dir/input.scp $ac_model/model $ac_model/HCLG.fst \
#            $ac_model/words.txt '1:2:3:4:5' ark,t:$decode_dir/trans.txt \
#            ark,t:$decode_dir/ali.txt $trans_matrix;;

        online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
            --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
            scp:$decode_dir/input.scp $ac_model/final.mdl $ac_model/HCLG.fst \
            $ac_model/words.txt '1:2:3:4:5' ark,t:$decode_dir/trans.txt \
            ark,t:$decode_dir/ali.txt $trans_matrix;;

4、./run.sh开始识别audio文件夹下的语音（这个语音参数需要16bit，16Khz，我用Audacity录了几段）。./run.sh --test-mode live 命令就是从麦克风识别（如果提示错误，可参考https://blog.csdn.net/u012236368/article/details/71628777）。