kaldi DNN線上解碼 aishell為例

SpeechAi發表於2018-08-04

在kaldi 的工具集裡有好幾個程式可以用於線上識別。這些程式都位在src/onlinebin資料夾裡,他們是由src/online資料夾裡的檔案編譯而成(你現在可以用make ext 命令進行編譯)。這些程式大多還需要tools資料夾中的portaudio 庫檔案支援,portaudio 庫檔案可以使用tools資料夾中的相應指令碼檔案下載安裝。

# 安裝portaudio
yum -y install *alsa*
cd kaldi/tools
./install_portaudio.sh
# 編譯線上識別工具
cd src/
make ext

注:online官方不再維護,新版本為online2,不過先從簡單的online開始。

下面以aishell的chain模型為例,學習使用online2-wav-nnet3-latgen-faster對訓練好的aishell模型進行解碼。

  • 首先,生成解碼所需配置檔案:
# 注意:需要[ --add_pitch=true ]加入pitch特徵。
steps/online/nnet3/prepare_online_decoding.sh --add_pitch=true data/lang_chain exp/nnet3/extractor exp/chain/tdnn_1a_sp exp/chain/nnet_online
  • 如果直接解碼會提示出錯:
LOG (wav-copy[5.3]:main():wav-copy.cc:68) Copied 1 wave files
ERROR (online2-wav-nnet3-latgen-faster[5.3]:OnlineTransform():online-feature.cc:421)Dimension mismatch: source features have dimension 91 and LDA #cols is 281
  • 不要緊張,是因為特徵維度不匹配。我們生成的配置檔案裡的特徵型別是MFCC,而aishell訓練nnet和chain模型輸入的是更高維度的MFCC,叫mfcc_hire,hire是high resolution單詞的縮寫[引用文章]。所以我們要修改第一步生成的MFCC配置檔案,開啟mfcc.conf檔案,我們看到:
# 原檔案內容:
--use-energy=false   # only non-default option.
--sample-frequency=16000
# 我們需要新增新內容,如下:
--num-mel-bins=40     # similar to Google`s setup.
--num-ceps=40     # there is no dimensionality reduction.
--low-freq=40    # low cutoff frequency for mel bins
--high-freq=-200 # high cutoff frequently,relative to Nyquist of 8000 (=3800)
  • 完成後就可以解碼了,使用線上解碼工具online2-wav-nnet3-latgen-faster進行解碼:
online2-wav-nnet3-latgen-faster --config=exp/chain/nnet_online/conf/online.conf --do-endpointing=false --frames-per-chunk=20 --extra-left-context-initial=0 --online=true --frame-subsampling-factor=3 --max-active=7000 --beam=15.0 --lattice-beam=6.0 --online=false --acoustic-scale=0.1 --word-symbol-table=data/lang/words.txt exp/chain/tdnn_1a_sp/final.mdl exp/chain/tdnn_1a_sp/graph/HCLG.fst ark:data/test/spk2utt scp:data/test/wav.scp ark,t:20180803.txt
  • 得到識別結果!!!!:
BAC009S0764W0121 甚至 出現 交易 幾乎 停滯 的 情況 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0121
BAC009S0764W0122 一二 線 城市 雖然 也 處於 調整 中 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0122
BAC009S0764W0123 但 因為 聚集 了 過多 公共 四元 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0123
BAC009S0764W0124 為了 規避 三四 線 城市 明顯 過剩 的 市場 風險 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0124
BAC009S0764W0125 標杆 房企 必然 調整 市場 戰略 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0125
BAC009S0764W0126 因此 土地 儲備 至關 重要 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0126
BAC009S0764W0127 中原 地產 首席 分析 師 張大 偉 說 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0127
BAC009S0764W0128 一 線 城市 土地 供應 量 減少 
LOG (online2-wav-nnet3-latgen-faster[5.4.208~1-6f214]:main():online2-wav-nnet3-latgen-faster.cc:286) Decoded utterance BAC009S0764W0128
BAC009S0764W0129 也 助推 了 土地 市場 的 火爆 

參考:IT_King1《DNN線上解碼(以aishell的chain模型為例)》

相關文章