kaldi第一步安裝kaldi測試yesno

Kaldi是一個非常強大的語音識別工具庫，主要由Daniel Povey開發和維護。目前支援GMM-HMM、SGMM-HMM、DNN-HMM等多種語音識別的模型的訓練和預測。其中DNN-HMM中的神經網路還可以由配置檔案自定義，DNN、CNN、TDNN、LSTM以及Bidirectional-LSTM等神經網路結構均可支援。

目前在Github上這個專案依舊非常活躍，可以在 https://github.com/kaldi-asr/kaldi 下載程式碼，以及在 http://kaldi-asr.org/ 檢視它的文件。

下載以及安裝

與其他開源軟體一樣，首先Clone它在Github上的程式碼

$ git clone https://github.com/kaldi-asr/kaldi
1
Clone下來之後按照INSTALL檔案的指示，需要先完成tools資料夾下的編譯安裝，然後再去編譯src下的內容。因此，先去tools資料夾： 
$ cd kaldi/tools 
在tools資料夾下依舊有一個INSTALL，我們根據它的指示，一步一步完成安裝。首先，需要執行extras/check_dependencies.sh這個指令碼來檢查一些依賴的環境是否存在並且正確配置。

$  extras/check_dependencies.sh
extras/check_dependencies.sh: automake is not installed.
extras/check_dependencies.sh: autoconf is not installed.
extras/check_dependencies.sh: neither libtoolize nor glibtoolize is installed
extras/check_dependencies.sh: subversion is not installed
extras/check_dependencies.sh: we recommend that you run (our best guess):
  sudo apt-get install automake autoconf libtool subversion
You should probably do: 
  sudo apt-get install libatlas3-base
/bin/sh is linked to dash, and currently some of the scripts will not run properly.  We recommend to run:
  sudo ln -s -f bash /bin/sh
1
2
3
4
5
6
7
8
9
10
11
這個輸出的結果不同的Linux會不相同(我的是Ubuntu 16.04)。根據check_dependencies.sh輸出結果的提示，安裝缺的包，以及配置正確的環境

$ sudo apt-get install automake autoconf libtool subversion
$ sudo apt-get install libatlas3-base
$ sudo ln -s -f bash /bin/sh
1
2
3
然後再重新執行一遍check_dependencies.sh

$ extras/check_dependencies.sh
extras/check_dependencies.sh: all OK.
1
2
如果輸出以上結果，那麼我們可以繼續安裝了

$ make -j 16
1
其中-j 16是開16個job同時進行編譯，這個可以根據CPU核心的數量進行指定。確定沒有錯誤後切換到src資料夾

$ cd ../src
1
這裡面也包含了一個INSTALL檔案，按照裡面的步驟編譯和安裝

$ ./configure
1
執行完成後在最後一行可以看到SUCCESS，如果沒有的話那應該是哪個步驟出問題了，可以去檢查一下上面幾個步驟是否有錯誤

$ make depend
$ make -j 16
1
2
檢查一下編譯是否有錯誤，如果沒有錯誤的話make指令碼會在螢幕的最後一行輸出Done。至此Kaldi的編譯安裝完成了，可以愉快的開始訓練模型了。

執行yesno例項 
步驟和結果如下： 
1.直接執行./run.sh。因為run.sh裡面可以直接下載。 
測試呈現在linux上的結果: 
book@book-desktop:~/kaldi/egs/yesno/s5$ sudo ./run.sh 
[sudo] password for book: 
–2017-07-03 15:20:32– http://www.openslr.org/resources/1/waves_yesno.tar.gz 
Resolving www.openslr.org (www.openslr.org)… 35.184.122.207 
Connecting to www.openslr.org (www.openslr.org)|35.184.122.207|:80… connected. 
HTTP request sent, awaiting response… 200 OK 
Length: 4703754 (4.5M) [application/x-gzip] 
Saving to: 鈥榳aves_yesno.tar.gz鈥

waves_yesno.tar.gz 100%[===================>] 4.49M 148KB/s in 45s 
Data preparation succeeded 
Dictionary preparation succeeded 
Preparing train and test data 
Preparing word lists etc. 
fstaddselfloops ‘echo 4 |’ ‘echo 4 |’ 
Preparing language models for test 
arpa2fst - 
\data\ 
Processing 1-grams 
Connected 0 states without outgoing arcs. 
fstisstochastic data/lang_test_tg/G.fst 
1.20397 0 
Succeeded in formatting data. 
Succeeded creating MFCC features for train_yesno 
Succeeded creating MFCC features for test_yesno 
Computing cepstral mean and variance statistics 
Initializing monophone system. 
Compiling training graphs 
Aligning data equally (pass 0) 
Pass 1 
Aligning data 
Pass 2 
Aligning data 
Pass 3 
Aligning data 
Pass 4 
Aligning data 
Pass 5 
Aligning data 
Pass 6 
Aligning data 
Pass 7 
Aligning data 
Pass 8 
Aligning data 
Pass 9 
Aligning data 
Pass 10 
Aligning data 
Pass 11 
Pass 12 
Aligning data 
Pass 13 
Pass 14 
Aligning data 
Pass 15 
Pass 16 
Aligning data 
Pass 17 
Pass 18 
Aligning data 
Pass 19 
Pass 20 
Aligning data 
Pass 21 
Pass 22 
Pass 23 
Aligning data 
Pass 24 
Pass 25 
Pass 26 
Aligning data 
Pass 27 
Pass 28 
Pass 29 
Aligning data 
Pass 30 
Pass 31 
Pass 32 
Aligning data 
Pass 33 
Pass 34 
Pass 35 
Aligning data 
Pass 36 
Pass 37 
Pass 38 
Aligning data 
Pass 39 
1 warnings in exp/mono0a/log/update.3.log 
1 warnings in exp/mono0a/log/update.7.log 
Done 
fstminimizeencoded 
fstdeterminizestar –use-log=true 
fsttablecompose data/lang_test_tg/L_disambig.fst data/lang_test_tg/G.fst 
fstisstochastic data/lang_test_tg/tmp/LG.fst 
1.20412 -2.34608e-05 
warning: LG not stochastic. 
fstcomposecontext –context-size=1 –central-position=0 –read-disambig-syms=data/lang_test_tg/tmp/disambig_phones.list –write-disambig-syms=data/lang_test_tg/tmp/disambig_ilabels_1_0.list data/lang_test_tg/tmp/ilabels_1_0 
fstisstochastic data/lang_test_tg/tmp/CLG_1_0.fst 
1.20412 -2.34608e-05 
warning: CLG not stochastic. 
make-h-transducer –disambig-syms-out=exp/mono0a/graph_tgpr/disambig_tid.list –transition-scale=1.0 data/lang_test_tg/tmp/ilabels_1_0 exp/mono0a/tree exp/mono0a/final.mdl 
fstminimizeencoded 
fsttablecompose exp/mono0a/graph_tgpr/Ha.fst data/lang_test_tg/tmp/CLG_1_0.fst 
fstdeterminizestar –use-log=true 
fstrmsymbols exp/mono0a/graph_tgpr/disambig_tid.list 
fstrmepslocal 
fstisstochastic exp/mono0a/graph_tgpr/HCLGa.fst 
1.20412 -2.34608e-05 
HCLGa is not stochastic 
add-self-loops –self-loop-scale=0.1 –reorder=true exp/mono0a/final.mdl 
… 
%WER 0.00 [ 0 / 232, 0 ins, 0 del, 0 sub ] xp/mono0a/decode_test_yesno/wer_10

實驗前可以看一下說明檔案。
--------------------- 
作者：Shmily_Young 
來源：CSDN 
原文：https://blog.csdn.net/shmilyforyq/article/details/74203894 
版權宣告：本文為博主原創文章，轉載請附上博文連結！

這裡其實很簡單隻用了少部分的庫，這個配置的環境還不能跑timit實驗，下一步將要講如何配置timit的環境。