CVTE 开源模型识别效果

模型下载地址：http://kaldi-asr.org/models/0002_cvte_chain_model.tar.gz

解压放到kaldi-trunk/egs下即可，打开终端，链接steps和untils（这里改为自己的路径）：

ln -s ~/kaldi-master/egs/wsj/s5/steps ~/kaldi-master/egs/cvte/s5/steps

ln -s ~/kaldi-master/egs/wsj/s5/utils ~/kaldi-master/egs/cvte/s5/utils

识别效果如下：

效果还是不错的，而且这10个测试的语音文件口音是相当的重啊……

为了更直观的看对比效果，我把thchs30例子中的10个句子拿过来进行识别，效果如下：

下图是thchs30的DNN识别结果：

源文件：

对比下来，cvte开源的模型要比thchs30的dnn识别的更好一些，可惜的是cvte只开源了训练好的模型，即一个final.mdl和一个有限状态机即HCLG.fst，它的语音库和详细的配置文件，操作步骤暂时还不知道，准备下一步先把在线搭起来吧，然后再尝试RNN模型，RNN模型kaldi中是有的，把tensorflow的给集成过来了，是用在nnet3基础上的，但是怎么用我还不清楚，总而言之，不管啥模型，一切以识别效果为主导吧！

---

这里再贴一些语音杂谈中关于cvte的建议和文件：

语音杂谈：本着促进语音研究的共同进步原则，我们CVTE小组也将相关文件公布给大家。

采用这些新提供的文件，大家可以做更多的研究：

1）替换掉CVTE提供的语言模型，生成自己的HCLG.FST；

2）利用自己的场景数据，可在chain model上进行finetune；

3）提示：请大家不要整个文件夹下载，节约带宽；若事先有下载HCLG.FST等，可以不用重复下载这个文件；

地址：https://drive.cvte.com/p/DU7d7uEQvAIYrUE

此外，后台需要ppt资料：链接：http://pan.baidu.com/s/1gfjBbPL 密码：2b34。

总之，很感谢kaldi官网，kaldi群里的小伙伴，即群主和管理员们的博客，以及语音杂谈的公众号，都是干货！