kaldi解码及特征提取详解

目录

1. 注意事项

  • 首先要训练好模型，用到3个文件，分别是：
    • final.mdl(训练模型得到的模型文件)
    • final.mat（用来特征转换）
    • HCLG.fst（fst文件）
  • 此外要提供待解码音频文件或路径.scp文件：
    • wav.scp(音频路径.scp文件)

2. 流程图：

st=>start: 开始
op1=>operation: compute-mfcc-feats
op2=>operation: copy-feats
op3=>operation: compute-cmvn-stats
op4=>operation: apply-cmvn
op5=>operation: splice-feats
op6=>operation: transform-feats
op7=>operation: nnet-latgen-faster
st->op1->op2->op3->op4->op5->op6->op7

流程每一步意义如下：

  1. 使用compute-mfcc-feats提取特征，生成对应的特征文件feats.ark；
  2. 使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark ；
  3. 使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark ；
  4. 使用apply-cmvn得到了applycmvn.ark文件；
  5. 使用splice-feats来继续变换特征 ，拼接相邻帧的特征；
  6. 使用transform-feats来进行特征转换，为了解码调用 ；
  7. 最后通过得到的transform.ark进行解码的操作，得到解码后的lattice文件 。

3. 具体流程指令：

  1. 首先列出具体文件，这里我就按照自己的文件给出了，如果用别的，改相应文件就行了
    2. wav.scp(里面是保存了wav的绝对路径)
    3. final.mdl(训练模型得到的模型文件)
    4. final.mat（用来特征转换）
    5. HCLG.fst（fst文件，用于解码）
  2. 使用compute-mfcc-feats生成对应的特征文件feats.ark:
    compute-mfcc-feats --use-energy=false scp:wav.scp ark:feats.ark
  3. 使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark
    copy-feats ark:feats.ark ark,scp:feat.ark,feat.scp
  4. 使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark
    compute-cmvn-stats scp:feat.scp ark,scp:cmvn.ark,cmvn.scp
  5. 使用apply-cmvn，得到了applycmvn.ark文件
    apply-cmvn scp:cmvn.scp scp:feat.scp ark:applycmvn.ark
  6. 使用splice-feats来继续变换特征
    splice-feats --left-context=3 --right-context=3 ark:applycmvn.ark ark:splice.ark
  7. 使用transform来进行特征转换，为了解码调用
    transform-feats final.mat ark:splice.ark ark:transform.ark
  8. 最后通过得到的transform.ark进行解码的操作，得到一个晶格文件
    nnet-latgen-faster [options] <nnet-in> <fst-in|fsts-rspecifier> <features-rspecifier> <lattice-wspecifier>

版权声明：转载请注明出处，谢谢

posted @ 2018-08-04 11:08  SpeechAi  阅读(7471)  评论(0)  编辑  收藏  举报