鯤鵬服務器上kaldi 運行voxforge例子

1?????? 介紹

Kaldi是當前最流行的開源語音識別工具(Toolkit)，它使用WFST來實現解碼算法。Kaldi的主要代碼是C++編寫，在此之上使用bash和python腳本做了一些工具。

voxforge是個收集語音的網址，你可以免費的得到語音庫。下載的話你可以用一些批量下載的軟件或者利用kaldi/egs/voxforge/s5里的getdata.sh來下載。大概有12.6GB的大小，大家保證你的linux系統有足夠的空間來存儲。

2?????? 安裝準備

華為云購買一臺鯤鵬服務器

本文以云服務器KC1實例搭建，云服務器配置如表1-1所示。

表1-1?云服務器配置

項目

說明

規格

kc1.large.2 | 2vCPUs | 4GB

磁盤

系統盤：高IO（40GB）

操作系統要求如表1-2所示。

表1-2?操作系統要求

項目

說明

-

Ubuntu

18.04

在公共鏡像中已提供。

Kernel

4.15.0

在公共鏡像中已提供。

3?????? 安裝kaldi

參考博客：https://bbs.huaweicloud.com/blogs/173186

我安裝的目錄是/usr/local/kaldi

運行voxforge例子時候，需要online-gmm-decode-faster 和 online-wav-gmm-decode-faster，

online-wav-gmm-decode-faster 用來回放wav文件來識別的；

online-gmm-decode-faster用來從麥克風輸入聲音來識別的。

參考如下步驟安裝：

1）bash extras/install_portaudio.sh

a. 在kaldi/tools目錄下運行 bash extras/install_portaudio.sh

該腳本下載pa_stable_v19_20111121.tgz并且解壓，執行時候報錯：

b. 修改文件：vi config.sub （解決configure: error: cannot guess build type; you must specify one）

查找“x86”內容的位置，在其位置后面增加aarch64類型，具體2處增加：

case $basic_machine in處

（1）

| x86 | xc16x | xstormy16 | xtensa \

改為：

| x86| aarch64 | xc16x | xstormy16 | xtensa \

（2）

| x86-* | x86_64-* | xc16x-* | xps100-* \

改為：

| x86-* | aarch64-* | x86_64-* | xc16x-* | xps100-* \

c. 重新打包：pa_stable_v19_20111121.tgz

rm –rf pa_stable_v19_20111121.tgz

tar –zcvf pa_stable_v19_20111121.tgz portaudio

d. 修改extras/install_portaudio.sh后重新執行

在./configure 后面在加上參數

./configure --prefix=`pwd`/install --with-pic

改為：

./configure --prefix=`pwd`/install --with-pic --host=aarch64 --build=aarch64

extras/install_portaudio.sh

2) 安裝online

cd /usr/local/kaldi/src/online

make -j2

3) 安裝onlinebin

cd /usr/local/kaldi/src/onlinebin

make -j2

生成 online-gmm-decode-faster 和 online-wav-gmm-decode-faster

5?????? 分析和執行voxforge中online_demo例子

Voxforge目錄下有三個子目錄，分別是gst_demo，online_demo，s5，其中s5是特征提取，模型訓練，得出模型的例子，online_demo是根據模型進行進行在線語音識別，識別麥克風輸入，是推理過程。這里分析online_demo例子。

默認模式離線文件解碼：?online_demo/run.sh

離線在線解碼：online_demo/run.sh ?--test-mode live

run.sh腳本分析（分析離線語音識別模型）：

1）下載online-data.tar.bz2，如果目錄下有該語言包，則跳過次步驟，-:

http://sourceforge.net/projects/kaldi/files/online-data.tar.bz2

2）解壓，生成online-data，如下為目錄結構

--online-data

--audio? //該目錄存放wav語言文件

--models

--tri2a

--tri2b_mmi? //腳本中采用此模型

在tri2a或者tri2b_mmi目錄下，有模型文件model（tri2a多了一個final.mdl，即model文件的軟鏈接），有轉移矩陣文件matrix

說明：

（1）audio：可以將需要測試的wav文件拷貝到此目錄

（2）tri2b_mmi目錄下的文件是在s5訓練中生成的，可以將s5下的exp目錄下的final.mdl,?s5目錄下的exp下的tri下的graph_word里面的words.txt,和HCLG.fst，考到models的tri2a或者tri2b_mmi下，或者拷貝到自己新建的模型目錄。

3）將audio目錄下的wav文件加入文件列表input.scp

>?$decode_dir/input.scp ????????for?f?in?$audio/*.wav;?do ????????????bf=`basename?$f` ????????????bf=${bf%.wav} ????????????echo?$bf?$f?>>?$decode_dir/input.scp ????????done

4）online-wav-gmm-decode-faster對文件列表進行語音識別

online-wav-gmm-decode-faster?--verbose=1?--rt-min=0.8?--rt-max=0.85\ ????????????--max-active=4000?--beam=12.0?--acoustic-scale=0.0769?\ ????????????scp:$decode_dir/input.scp?$ac_model/model?$ac_model/HCLG.fst?\ ????????????$ac_model/words.txt?'1:2:3:4:5'?ark,t:$decode_dir/trans.txt?\ ????????????ark,t:$decode_dir/ali.txt?$trans_matrix;;說明：ali.txt記錄對齊的狀態與幀之間關系???trans.txt記錄解碼結果的數字

5）估計模擬解碼的錯誤率

鯤鵬 語音通話

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。