Kaldi 安装与简介

Kaldi是一个强大的语音识别工具包，目前支持GMM-HMM,DNN-HMM等多种语音识别模型的训练和预测。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,Bidirectional-LSTM等神经网络结构均可支持。
在https://github.com/kaldi-asr/kaldi下载代码，在http://kaldi-asr.org/doc/查看文档。

安装过程

• sudo apt-get install autoconf automake gcc libtool subversion libatlas-dev libatlas-base-dev gfortran
• git clone https://github.com/kaldi-asr/kaldi.git
• cd kaldi/tools
• cat INSTALL #该文件描述了详细的安装步骤
• extras/check_dependencies.sh #检查一些依赖，根据提示将没装的都装上
• nproc #看看有多少处理单元，比如有8个
• make -j 8
• cd ../src
• ./configure
• make depend -j 8
• make -j 8
• 运行例子yesno进行测试：
  cd ../egs/yesno/s5
./run.sh
  运行结果：
  %WER 0.00 [ 0 / 232, 0 ins, 0 del, 0 sub ] exp/mono0a/decode_test_yesno/wer_10_0.0

主要目录介绍

• ./tools目录下是kaldi依赖的包
• ./src目录存放kaldi的源代码
• ./egs目录保存着一些kaldi在公共语音数据集上的训练步骤（shell脚本）以及测试的结果
  • s5/run.sh包含了在这个数据集上所有的训练步骤，包括数据预处理、训练以及测试gmm/dnn/lstm/tdnn等模型、实验结果统计在内的各种脚本。理论上来说只要相关环境配置正确，运行run.sh就能完成整个训练步骤。
  • s5/RESULTS里面保存着最近的实验结果
  • s5/conf就是一些训练所要用到的配置文件
  • s5/{local, steps, utils}里面则是run.sh所要用到的一些脚本文件

在kaldi中，目前针对深度神经网络提供三种代码库。第一个是"nnet1"(位于nnet/和nnetbin/下），最初由Karel Vesely维护；第二个"nnet2"（位于nnet2/和nnet2bin/下）最初由Daniel Povey维护；第三个"nnet3"（位于nnet3/和nnet3bin/下）由Daniel的nnet2转化而来

type	author	CPU/GPU	features
nnet1	Karel	GPU单卡训练	使用pre-training,early-stopping
nnet2	Daniel	支持多GPU训练和多CPU多线程	固定迭代次数，最后几个epoch参数平均化
nnet3	Daniel	nnet2的扩展	支持更多的网络类型(如RNN/LSTM)

在诸如egs/wsj/s5/, egs/librispeech/s5, egs/swbd/s5, egs/hkust/s5的例子下，存在神经网络样例脚本。

参考文章：
Installing Kaldi
Kaldi学习之神经网络简介
有趣的开源软件-语音识别工具Kaldi
ubuntu下kaldi的安装以及实例的运行