Kaldi学习笔记（二）——实例yesno和timit的应用

最新推荐文章于 2025-05-14 15:45:26 发布
最新推荐文章于 2025-05-14 15:45:26 发布
阅读量9.1k 收藏 37
点赞数 10
CC 4.0 BY-SA版权
分类专栏： linux Kaldi 语音识别 文章标签： linux Kaldi 语音识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/snowdroptulip/article/details/78914687
本文介绍了Kaldi中yesno和timit两个实例的运行过程。yesno是一个小型数据集，通过运行./egs/yesno/s5/run.sh得到0.00的WER。timit实例则涉及LDC的TIMIT语料库，但需要自行准备数据并调整脚本以适应单机运行。在运行过程中可能遇到irstlm相关错误，需安装并配置irstlm工具。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Kaldi的安装与编译请参考：Kaldi的安装与编译


Kaldi的例子有很多，在egs目录下面，对Kaldi不熟悉的小白们可以先从yesno和timit两个例子入手，这样可以对Kaldi有个直观的认识。


一、运行yesno实例

该实例是一个非常小的数据集，每一条记录都是一系列yes或者no的语音，标注是由文件名来标注的。先运行一下。


切换到./egs/yesno/s5目录下，运行sudo./run.sh命令。

经过一段时间的训练和测试，可以看到运行结果。

这里写图片描述

WER为0.00。看来这个例子识别的还是挺准的。


PS:WER（WordError Rate）是字错误率，是一个衡量语音识别系统的准确程度的度量。其计算公式是 WER= ( I + D+ S

最低0.47元/天 解锁文章

200万优质内容无限畅学
Kaldi 使用，egs下通用样例及功能小结（很硬，慎入）
c12345678999的博客
05-29 4006
样例表 egs下的样例 数据源，功能 用到的相关工具 aidatatang_200zh/s5 数据堂200h中文开源数据，用于语音识别 LM+MFCC+Mono+Triphone(tri1:deltas;tri2:delta+delta-delta;tri3a:lda+mllt)+fMLLR+SAT+TDNN aishell/v1 openslr33数据 ，声纹识别(ivector) MFCC+UBM+PLDA aishell/s5 openslr33数据 ，语音识别 LM+MFCC
Kaldi学习手记（二）：Timit实例运行
by21010的专栏
11-24 5035
Timit是LDC搜集的一个语料库，TIMIT语音库有着准确的音素标注，是一个学习用的好例子。在kaldi里面可以找到其语音识别的范例。 但是由于这个数据库是商业用的，所以Kaldi里面并没有附带数据。但是数据又可以从网络上找到，so。。。。 运行实例： 首先进入timit/s5目录下，打开run.sh文件，找到以下内容： timit就是设置timit数据库的路径的
KALDI运行yesno和TIMIT实例
总有人要摆烂的，为什么不能是我呢
05-29 1533
文章目录写在前面一、部署KALDI1. 下载并解压KALDI工具箱2. tools中执行extras/check_dependencies.sh脚本，根据其输出安装依赖库直到输出ALL OK3.make4. src中执行./configure –shared5. src中执行make depend和make二、运行yesno项目实例，简要解析发音词典内容，画出初步的WFST图1. 下载并划分数据集2. 建立词典3. 构造语言模型4. MFCC特征提取和GMM-HMM建模5. 查看结果三、调整并运行.
语音识别工具包kaldi安装流程以及报错解决
最新发布
qq_52998438的博客
05-14 1950
的链接规则：LDADD = ../script/libfstscript.la ../lib/libfst.la -lm $(DL_LIBS) 修改为：LDADD = ../script/libfstscript.la ../lib/libfst.la -lm $(DL_LIBS) -lpthread。是否存在：ls ~/8T/cmx/code/kaldi/tools/openfst- 1.8.4/include/fst/fst.h如果该文件存在，说明你确实编译成功了。目录下创建软链接，但该目录不存在。
Kaldi单音素模型 训练部分
aig8440的博客
09-11 284
在Kaldi中，单音素GMM的训练用的是Viterbi training，而不是Baum-Welch training。因此就不是用HMM Baum-Welch那几个公式去更新参数，也就不用计算前向概率、后向概率了。Kaldi中用的是EM算法用于GMM时的那三个参数更新公式，并且稍有改变。　　Baum-Welch算法更新参数时，因为要计算前向后向概率，很费时间，因此使用Viter...
kaldi安装及yesno实例
shmilyforyq的博客
07-03 1474
Kaldi是一个非常强大的语音识别工具库，主要由Daniel Povey开发和维护。目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多种语音识别的模型的训练和预测。其中DNN-HMM中的神经网络还可以由配置文件自定义，DNN、CNN、TDNN、LSTM以及Bidirectional-LSTM等神经网络结构均可支持。目前在Github上这个项目依旧非常活跃，可以在 https://githu
kaldi学习笔记之卷积神经网络(CNN)
DuishengChen的专栏
11-28 1万+
kaldi学习笔记之卷积神经网络(CNN)摘要：本文将以switchboard为例，解读kaldi卷积神经网络部分的bash脚本。一方面便于以后自己回顾，另一方面希望能与大家互相交流。正文：在switchboard部分的训练代码中，kaldi官方并未提供相关训练的deamon，但kaldi本身支持卷积神经网络的训练，在egs/swbd/s5c/steps/nnet2中，kaldi提供了训练的CNN网
Kaldi决策树状态绑定学习笔记（三）
许开拓的专栏
04-08 3718
Kaldi决策树状态绑定学习笔记（三）——EventMap及其派生类、roots文件。在这个笔记中，我会首先花大篇幅介绍EventMap及其派生类。因为Kaldi构建决策树除了需要累积好的统计量和问题集，还需要一个roots文件，所以接下来会对roots文件进行说明。
kaldi timit实例运行全过程
shmilyforyq的博客
07-17 9640
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） 打开SecureCRT，点击链接SFTP会话，（你需要提前将TIMIT.zip放在
kaldi上第一个免费的中文语音识别例子
热门推荐
人工智能
04-21 1万+
今天在清华大学cslt实验室王东老师的分享下，kaldi终于有了免费的中文语音识别的例子，网址为：https://github.com/kaldi-asr/kaldi/tree/master/egs/thchs30。各位可以根据这个来训练自己的模型。  再次谢谢王东老师的付出。  此外，清华大学cslt分享的数据库还有很多，网址为：http://pan.baidu.com/s/1dEhUghz
kaldi自由说训练好的模型
07-08
利用从网上下载的kaldi源码和语音数据，训练好的支持自由说的模型，是模型，模型，模型！ 不是源码，也不是其他的语音资源文件，需要的朋友可以下载下来，结合kaldi中eg5/aishell/s5的例子使用！
kaldi学习资料
11-12
一个适合kaldi初学者看的文档，介绍了kaldi的安装以及使用的一些基本知识！
Kaldi 实战学习（1）说话人识别小例子（egs/aishell/v1）
Robin_Pi的博客
09-28 1289
进入：~/kaldi/egs/aishell/v1 # 地址变量（引号可省略，但是=之间不可有空格！） data=/export/a05/xna/data data_url=www.openslr.org/resources/33 # 载入引用文件（使用.，类似import） . ./cmd.sh . ./path.sh # 设置bash出错则退出 set -e # exit on error # 下载和解压数据（应该是两者选一） local/download_and_untar.sh $data $
kaldi 中mono phone训练过程
quheDiegooo的专栏
04-11 4317
kaldi中训练声学模型，首先是训练单音素模型，即mono-phone过程， 本文主要讲述mono-phone训练的过程。
&1. kaldi学习之路 之 kaldi中TIMIT实例运行
luckygirl0809的博客
01-18 2588
TIMIT全称The DARPA TIMIT Acoustic-Phonetic Continuous Speech Corpus, 是由德州仪器(TI)、麻省理工学院(MIT)和坦福研究院(SRI)合作构建的声学-音素连续语音语料库。TIMIT数据集的语音采样频率为16kHz，一共包含6300个句子，由来自美国八个主要方言地区的630个人每人说出给定的10个句子，所有的句子都在音素级别(phon
从说话人识别demo开始学习kaldi--（6）训练UBM和PLDA
Grace_yan的博客
12-17 3782
sid/train_diag_ubm.sh --cmd “$train_cmd” --num-threads 16 data/dev 1024 exp/diag_ubm_1024 现在我们使用dev的数据来训练一个对角ubm 除了必要的参数设置，data/dev文件夹下面一定要有的是feats.scp，vad.scp 最后生成的是一个exp/diag_ubm_1024/final.dubm 下面是...
kaldi训练模型的过程
Championvas的博客
07-23 5053
整理一下训练新模型的过程： 1.进 入 到 kaldi-trunk/egs目录下创建XX（看你心情随便命名）文件夹，然后在文件夹里创建一个audio文件夹，在audio文件夹内在创建两个文件夹train和test。然后把所有的音频文件（.wav文件）放到train和test内（根据你的需求选择测试集和训练集，我是两个文件夹里面都是放的一样的） 2.在XX文件夹下面创建一个文件夹data，在data...
AIBigKaldi（十二）| Kaldi的三音子模型训练（中）（源码解析）
aibigtruth的博客
01-17 589
本文来自公众号“AI大道理”。 上文已经累计了相关统计量phone的特征均值、方差、phone所出现的语音帧数量。 接下来利用统计量自动生成问题集。 问题集的生成是为了构造决策树对三音子模型进行状态绑定。 以kaldi的thchs30为例。 5三音子模型训练 过程之道: 5.2自动生成问题集 语言学家设置的问题以及根据这些问题得到问题集。 Kaldi决策树中使用的问题集并不是手工设计的，而是通过之前得到的统计量自动生成的。 灵魂的拷问：K...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值