kaldi查看文件的工具

kaldi官方提供了所有工具的说明
https://www.kaldi-asr.org/doc/tools.html

这里只是列出查看文件的工具．

Data from kaldiOfficial Documents。
Reproduced indicate the source.

Ark profile

copy-feats Can be used to change the format of feature data, it is possib… 更多... “kaldi查看文件的工具”

2021年1月5日2021年1月5日

提取流程

UBM
universal background model[1]
使用GMM建模，UBM的训练通过EM算法完成，有两种方法：
• 所有的数据训练出来一个UBM，需要保证训练数据的均衡
• 训练多个UBM，然后合在一起，比如根据性别分成两个，这样的话可以更有效的利用非均衡数据以及控制最后的UBM。
supervector

使用MAP adaptation对UBM的高斯进行线性插值，获得speaker相关的GMM… 更多... “声学特征 ivector及其kaldi实现”

2021年1月4日2021年1月5日

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 MFCC+UBM+PLD… 更多... “Kaldi的egs下通用样例解释”

2021年1月4日

Kaldi中每个脚本的简单解释

utils/subset_data_dir.sh
分割数据，用于建立初始小模型，而后一步一步扩充

steps/train_mono.sh
单音素模型训练

steps/align.sh, steps/align_si.sh, steps/align_fmllr.sh
强制对齐

steps/train_sat.sh
说话人自适应，一般之后跟fmllr，第一个sat前用si或者fmllr，s… 更多... “Kaldi中每个脚本的简单解释”

2021年1月4日2021年12月23日

语音识别中的术语

LM：语言模型

MFCC：Mel频谱特征

PLP: Perceptual Linear Prediction, PLP特征

fBank:　fBank特征

CMVN：
Cepstral Mean and Variance Normalization
倒谱均值方差归一化

Mono：Mono phone，单音素模型训练

Triphone：三音素模型训练，一般 tri1: deltas; tri2: delta+delta-delta; tri3a… 更多... “语音识别中的术语”