2018-12-26 10:27:00 zr940326 阅读数 287

转记一篇关于语音识别的入门教程,https://www.zhihu.com/question/65516424  

kaldi是什么

kaldi是使用c++写的语音识别的工具,apache 授予了v2.0的证书(果真应验,apache旗下无弱将)。kaldi旨在供语音识别研究员使用。

 

=========== 声 变 文======== 文 合成 音 ====

2016-01-16 19:41:22 dujiajiyi_xue5211314 阅读数 3661

       
基于Ubuntu的Kaldi安装教程

前3篇博客,自己一直在写caffe吧,自己最开始是想用caffe做语音识别,然后去阅读了它的源码,发现,现在caffe对于语音识别还是没有那么完善吧,当然了是我自己想的。自己询问过一些人,他们提出的是,可以直接用频谱图去做,自己感觉不是很可行吧。没办法,自己去安装kaldi。kaldi安装要比caffe要简单的多。自己是在Ubuntu 14.04下安装的。接下来写一下自己所安装的步骤吧。

在安装之前,一些必不可少的库文件是必须的,apt -get,subversion,automake,autoconf,libtool,g++,zlib,libatal,weget

一基本库的安装:这里具体的安装方法是 

(1)sudo apt-get install libtool

(2)sudo apt-get install autoconf

(3)sudo apt-get install wget

(4)sudo apt-get install perl

(5)sudo apt-get install subversion

(6)sudo apt-get install build-essential

(7)sudo apt-get install gfortran

(8)sudo apt-get install libatlas-dev

(9)sudo apt-get install libatlas-base-dev

(10)sudo apt-get install zlib1g-dev(中间是数字1)

如果安装出现 function gensub never defined,则需要安装gawk

sudo apt-get install gawk.

第二:kaldi-trunk安装(这里自己选择的是Ubuntu系统,自己现在在Redhat下进行安装,现在还在进行阶段,遇到了一些错误,主要就是atlas的安装)

首先(1)下载kaldi-trunk,指令是 

svn co svn://svn.code.sf.net/p/kaldi/code/trunk kaldi-trunk

(2)然后进入tool目录

cd kaldi-trunk/tool

然后执行make 这里也可以运用指令maker -j 4 这里的4是cpu的核心数,执行速度会加快。

(3)然后 cd ..

cd src就是退出tool目录,进入sr目录。

然后执行./configure

make depend(依赖库的检查)

make(make -j 4)

这里kaldi的cpu模式下就编译成功了。就可以运行一下简单的执行实例。

在kaldi中,egs是一些存在的实例。

cd ../egs/yesno/s5,这里的省略号就是你的kaldi的目录。

./run.sh

然后执行结果很快就会出现。

到现在为止基于cpu的kaldi已经执行成功。接下来自己会介绍Redhat下kaldi的安装,以及加入gpu。


2018-10-02 13:39:09 zyziszy 阅读数 6159

这3篇博客,详细总结和记录了我编译安装kaldi和两种用kaldi进行中文语音识别的过程,包括如何kaldi的简单介绍、环境的配置、相关模型的训练、导入,算是自己近期学习的一个总结,也希望可以帮助到需要的人~~~

本篇博客主要记录了我编译安装kaldi的过程

另外两篇博客的连接

  1. kaldi中文语音识别(2)——用thch30数据集做中文语音识别
  2. kaldi中文语音识别(3)——用cvte模型做中文语音识别

kaldi是什么

kaldi是一个用C++写的语音识别工具包。kaldi旨在供语音识别研究员使用。当然,kaldi也可以用作声纹识别。关于他的详细介绍可以访问kaldi的官方文档

kaldi与中文语音识别

感谢很多大神与科研工作者在kaldi上开源了他们的数据集和训练模型,让我这样的小白可以站在巨人的肩膀上前行。目前我所了解到有3个开源的中文语音识别例子。

  1. 清华大学开源的thchs30数据集(疯狂为CSLT打电话~~~)
  2. CVTE公司开源的CVTE Mandarin Model模型
  3. Beijing Shell Shell Technology公司开源的aishell数据集

如果有同学知道其他的数据集or模型,中英文皆可,欢迎联系我补充啊~

编译与安装kaldi

注意:为了提高训练的速度,kaldi最好安装在GPU云服务器下。如果没有服务器话,使用虚拟机应该也是可以的,但一定要分配足够的内存空间和存储空间。下面我就以我使用的centos服务器为例,介绍kaldi的编译与安装。

编译与安装大概分为3步

  1. 安装git、下载kaldi的源码
  2. 安装编译所需依赖包
  3. 配置、编译kaldi

1.kaldi的下载

kaldi的所有源码开源在了GitHub上,可以直接git下载到服务器上,首先得确保服务器上安装了git,如果没有安装的话,就先安装git

sudo yum install git -y

接着git clone下载kaldi

git clone https://github.com/kaldi-asr/kaldi.git

下载完成kaldi源码后,我们将得到如下一个文件结构的目录。

kaldi/
├── COPYING
├── egs/				//egs目录里存放了使用kaldi完成的开源语音识别/声纹识别项目
├── INSTALL				//编译安装kaldi的指导
├── misc/
├── README.md
├── scripts/
├── src/				//src文件夹里存放了kaldi源码
├── tools/				//tools文件夹里存放了语音处理的工具包
└── windows/				//windows文件夹存放了在windows下编译安装kaldi的文件

2.安装编译所需要的依赖包

编译之前需要确操作系统中安装有如下包

  subversion
  automake
  autoconf
  libtool
  g++
  zlib
  libatal
  wget
  sox

首先进入到kaldi/tools目录下,接着在调用check_dependencies.sh脚本检查系统中的包是否安装完全

cd kaldi/tools
extras/check_dependencies.sh

如图所示,这个shell脚本会提示系统需要安装的包,按照提示安装即可。

img

安装完成后再次运行这个脚本,如果提示OK就可以开始进行kaldi的编译。

3.编译kaldi

首先编译tools,在在kaldi/tools目录下输入

make

我使用的服务器是i7有8个核心,因此输入make -j 8可以使用8个核心一起编译,加快编译速度。

之后转到kaldi/src目录下,输入如下命令

cd ../src

在src目录下首先要运行configure进行配置,由于每个人的cuda版本、安装路径不一定相同,所以这里需要根据自己的服务器情况进行修改,如下是我的configure配置方案,仅供参考。

./configure --static \
            --use-cuda=yes \
            --cudatk-dir=/home/zy/cuda/cuda-8.0 \
            --mathlib=OPENBLAS \
            --openblas-root=../tools/OpenBLAS/install \
            --threaded-math=no \
            --static-math=yes \
            --static-fst=yes \
            --fst-root=../tools/openfst

配置完成后,就可以进行src的编译了

make depend
make

同样,如果是多核CPU的话,你可以使用make depend -j 8make -j 8加快编译速度

完成后会有提示成功和失败,结束make后就算完成了kaldi的编译与安装了~

用kaldi进行中文语音识别

完成kaldi的安装后,就可以用kaldi做语音识别了~,下面分别是我用kaldi做的两种不同中文语音识别的博客连接。

  1. demo(1)——用thch30做中文语音识别
  2. demo(2)——用cvte做中文语音识别

参考资料:

  1. CSDN博客:Kaldi的下载安装与编译
  2. kaldi-ctc的安装、编译、测试
{
	Author: "byr-zyziszy",
	Mail: "zyziszy@foxmail.com",
	Github: "https://github.com/zyzisyz",
	Date: "2018-10-2"
}
2017-06-29 16:33:51 xiaoseyihe 阅读数 1129

        新开通的CSDN博客。对工作和学习中的一些东东和大家一起分享,欢迎指点。闲话不多说。

        之前搞了一段时间htk语音识别,现在流行kaldi,自己也开始学习一下,在分享的过程中,如果我的理解不对,请多多指教,谢过各位了。

        先提供一下kaldi开源代码路径 https://github.com/kaldi-asr/kaldi;相关文档 http://kaldi-asr.org/doc/。如果英语不是特别好的话,建议看下大牛的博客http://blog.csdn.net/wbgxx333,里面讲解的很透彻,可以简单跑个例子测试一下,体会一下kaldi的功能。

       2017年7月7日,由于忙其它事情,kaldi学习刚开始就被打断了。今天测试了timit实例,具体操作网上说明比较多,测试过程中出现了几个问题,感觉网上解释的不够清楚。

    问题1:

    总是报如下错(找不到测试数据):timit_data_prep.sh: Spot check ofcommand line argument failed Command line argument must beabsolute pathname to TIMIT directory

with name like /export/corpora5/LDC/LDC93S1/timit/TIMIT。

查询资料,网上给出的答案:

解决:修改run.sh 中的 timit=/export/corpora5/LDC/LDC93S1/timit/TIMIT,使他指向你的数据位置。问题没有描述清楚,实际是解压timit.rar后,数据存放的绝对位置路径(从根目录开始)。即:

#timit=/export/corpora5/LDC/LDC93S1/timit/TIMIT# @JHU

timit=/home/hlc/share/kaldi/egs/timit/data。

   问题2:

                   

   这个问题解决原创 http://blog.csdn.net/wujianhaoren123/article/details/51276203

怎么回事呢?因为这个例程建立语言模型是用irstlm工具建立的,但是在最新版本的kaldi里面,irstlm不是默认编译的。所以我们先得自行编译irstlm

首先进入kaldi目录下的tools/extras目录,执行install_irstlm.sh脚本。安装完成以后,目录下出现irstlim目录。由于timit例程里面的引用irstlm工具的路径是tools目录,所以把这个目录拷贝到tools/目录下。回到egs/timit/s5目录,执行./run.sh脚本,于是timit例程就跑起来了。

  特别注意的情况是:在tools/extras生成irstlm文件夹后,一定要将其拷贝到tools目录下,我之前就是没注意看,导致一直报错误,这样就可以运行timit实例了。


2017-04-07 10:37:46 shichaog 阅读数 1261

CSND已永久停更,最新版唯一来源点击下面链接跳转:
语音增强和语音识别网页书

下载代码以及安装

$git clone https://github.com/kaldi-asr/kaldi

根据INSTALL文件,先完成tools文件夹下的编译和安装,然后在编译src目录下源码。

$cd kaldi/tools
$extras/check_dependencies.sh
$make -j4 

然后切换到src目录

$cd ../src
$./configure
$make depend
$make -j4
没有更多推荐了,返回首页