kaldi timit实例运行全过程

第一步：准备timit的数据包
1.下载timit数据包，我已经上传到百度云盘—链接http://pan.baidu.com/s/1qYkDora
2.将timit数据包TIMIT.zip从Windows加载到linux服务器上（我用的服务器，当然你们可以用虚拟机）

1. 打开SecureCRT，点击链接SFTP会话，（你需要提前将TIMIT.zip放在 文档所在的文件夹中）
   

2. 输入lls进入本机文档文件夹，看一下在不在里面，然后输入put TIMIT.zip将压缩包加载到远程服务器上面。
   

3. 然后把压缩包解压到对应的文件夹~/kaldi/egs/timit/s5/data

4. 首先我们需要修改数据集的目录：

#timit=/export/corpora5/LDC/LDC93S1/timit/TIMIT # @JHU
#timit=/mnt/matylda2/data/TIMIT/timit # @BUT
# 上面两行是代码中原有的数据集位置，我们需要执行定制为下面的路径：
timit=/home/yangqing/kaldi/egs/timit/s5/data/TIMIT

接下来 运行sudo ./run.sh

我出现了错误如下：

local/timit_prepare_dict.sh: Error: the IRSTLM is not available or compiled
local/timit_prepare_dict.sh: Error: We used to install it by default, but.
local/timit_prepare_dict.sh: Error: this is no longer the case.
local/timit_prepare_dict.sh: Error: To install it, go to /home/yangqing/kaldi/egs/timit/s5/../../../tools
local/timit_prepare_dict.sh: Error: and run extras/install_irstlm.sh

于是在网上找到三个解决方法针对不同的问题
1）“awk：line12：function gensub never defined”
解决： sudo apt-get install gawk

2）“Error: and run extras/install_irstlm.sh”
解决：因为这个例程建立语言模型是用irstlm工具建立的，但是在最新版本的kaldi里面，irstlm不是默认编译的。首先进入kaldi目录下的tools/extras目录，执行install_irstlm.sh脚本。安装完成以后，目录下出现irstlim目录。由于timit例程里面的引用irstlm工具的路径是tools目录，所以把这个目录拷贝到tools/目录下。回到egs/timit/s5目录，执行./run.sh脚本，于是timit例程就跑起来了。

3)“Error: the IRSTLM is not available or compiled”
解决：cd kaldi-master/tools/extras
./install_irstlm.sh
将生成的env.sh复制到tools文件夹下即可。

我用的是第三种方法，搞定

但是又出现也第二个错误：

error: qsub not found.

这是因为 TIMIT 的这个例子部署在多机器上，我们想要在本地运行所有的任务，需要修改 cmd.sh 中的内容：

# no GridEngine
export train_cmd=run.pl
export decode_cmd=run.pl
export cuda_cmd=run.pl
export mkgraph_cmd=run.pl

# 下面的内容均为多机器任务的命令，依赖 Sun GridEngine，我们注释掉所有的内容并使用上面的四行。

# export train_cmd="queue.pl --mem 4G"
# export decode_cmd="queue.pl --mem 4G"
# export mkgraph_cmd="queue.pl --mem 8G"

# the use of cuda_cmd is deprecated but it's still sometimes used in nnet1
# example scripts.
# export cuda_cmd="queue.pl --gpu 1"

# if [ "$(hostname)" == "fit.vutbr.cz" ]; then
#   #b) BUT cluster options
#   queue="all.q@@blade,all.q@@speech"
#   gpu_queue="long.q@@gpu"
#   storage="matylda5"
#   export train_cmd="queue.pl -q $queue -l ram_free=1.5G,mem_free=1.5G,${storage}=0.5"
#   export decode_cmd="queue.pl -q $queue -l ram_free=2.5G,mem_free=2.5G,${storage}=0.1"
#   export cuda_cmd="queue.pl -q $gpu_queue -l gpu=1"
# fi

高人说上面前四行也可以改成

export train_cmd="run.pl --max-jobs-run 10"
export decode_cmd="run.pl --max-jobs-run 10"
export cuda_cmd="run.pl --max-jobs-run 2"
export mkgraph_cmd="run.pl --max-jobs-run 10"

其中 max-jobs-run 限定了最大的运行线程数，如果你的机器CPU不是特别多，请一定加上这个条件，防止内存被耗尽。
至此，我们再重新运行./run.sh

使用Kaldi运行了timit的S5实例，只运行到了“tri3 : LDA + MLLT + SAT Training & Decoding”这一步，后面的”SGMM2”，”MMI+SGMM2”，”DNN + SGMM2”都没有运行成功，原因是在跑SGMM2的时候可能是由于机器配置不够，导致资源消耗完，就卡住了，此时内存占用率达到90%，我的主机是4G内存，分配给虚拟机是2G，以后想办法在更好的机器上跑一下。下面贴出tr3及其前面的tr2，tr1，单音素等的识别错误率，效果貌似还不错。
输入以下代码来看一下部分结果：

#!/bin/bash
for x in exp/{mono,tri,sgmm,dnn,combine}*/decode*; do [ -d $x ] && echo $x | grep "${1:-.*}" >/dev/null && grep WER $x/wer_* 2>/dev/null | utils/best_wer.sh; done
for x in exp/{mono,tri,sgmm,dnn,combine}*/decode*; do [ -d $x ] && echo $x | grep "${1:-.*}" >/dev/null && grep Sum $x/score_*/*.sys 2>/dev/null | utils/best_wer.sh; done

得到结果如下（真的很容易挂掉，这个贴的@零落_World的，在此致谢）

%WER 33.10 [ 4984 / 15057, 398 ins, 1673 del, 2913 sub ] exp/mono/decode_dev/wer_3  
%WER 34.05 [ 2457 / 7215, 186 ins, 839 del, 1432 sub ] exp/mono/decode_test/wer_3 
%WER 28.98 [ 4363 / 15057, 547 ins, 1244 del, 2572 sub ] exp/tri1/decode_dev/wer_6  
%WER 30.71 [ 2216 / 7215, 328 ins, 588 del, 1300 sub ] exp/tri1/decode_test/wer_5 
%WER 26.41 [ 3977 / 15057, 487 ins, 1150 del, 2340 sub ] exp/tri2/decode_dev/wer_6  
%WER 27.36 [ 1974 / 7215, 178 ins, 685 del, 1111 sub ] exp/tri2/decode_test/wer_8  
%WER 23.32 [ 3511 / 15057, 480 ins, 1002 del, 2029 sub ] exp/tri3/decode_dev/wer_4  
%WER 26.98 [ 4062 / 15057, 552 ins, 1092 del, 2418 sub ] exp/tri3/decode_dev.si/wer_5 

好啦，最后终于跑起来了，接下来就是读脚本啦