dan povey 主頁，有kaldi的詳細入門文件，以及相關的**
kaldi官網
kaldi—github
系統搭建過程及生成檔案解釋：
單音素訓練：
三音素訓練：
決策樹狀態繫結:
一些檢視輸出檔案命令（配置好path後，在s5demo下執行）：
檢視mfcc特徵引數，對應文字id：
copy-feats ark:mfcc/raw_mfcc_train.1.ark ark,t:- | headcopy-matrix ark:exp/mono/cmvn.ark ark,t:-copy-tree --binary=false exp/mono/tree - | lessdraw-tree data/lang/phones.txt exp/mono/tree | dot -tps -gsize=8,10.5 | ps2pdf - ~/tree.pdffstcopy 'ark:gunzip -c exp/mono/graphs.fsts.gz|' ark,t:-構造訓練的fst網路，從原始碼級別分析，是每個句子構造乙個phone level 的fst網路。這裡採用預編譯的原因是，可以儘量減少占用訓練時間。$data/text 中包含對每個句子的單詞級別(words level)或音素級別(phone level)的標註，l.fst是詞典的fst表示，作用是將一串的音素轉換成單詞。構造monophone解碼圖就是先將text中的每個句子，生成乙個fst（類似於語言模型中的g.fst，只是相對比較簡單，只有乙個句子），然後和l.fst進行composition 形成訓練用的音素級別（phone level）fst網路（類似於lg.fst）。fsts.job.gz 中使用key-value 的方式儲存每個句子和其對應的fst網路，通過 key(句子索引)就能找到這個句子的fst網路，value中儲存的是句子中每兩個音素之間互聯的邊（arc）,例如句子轉換成音素後，標註為：「a b c d e f」,那麼value中儲存的其實是 a->b b->c c->d d->e e->f這些連線（kaldi會為每種連線賦予乙個唯一的id），後面進行 hmm訓練的時候是根據這些連線的id進行計數，進一步得到音素內（intra）狀態的轉移概率和音素間（inter）狀態的轉移概率。檢視音素與狀態的對齊：
show-alignments data/lang/phones.txt exp/mono/40.mdl ark:exp/mono/ali.1 | more (ali.1.gz 解壓後城ali.1)copy-int-vector "ark:gunzip -c exp/mono/ali.1.gz|" ark,t:- | head -n 2show-transitions data/lang/phones.txt exp/mono/0.mdlgmm-info --print-args=false exp/mono/0.mdl | grep "gaussians" | awk ''gmm-copy --binary=false exp/mono/30.mdl -Kaldi學習手記（一） Kaldi的編譯安裝
安裝git 其中，tools src egs這三個目錄是比較重要的。tools目錄下面全部都是kaldi依賴的包。其中主要有 openfst weighted finite state transducer library，是乙個用來構造有限狀態自動機的庫。我們知道隱馬爾科夫模型就可以看成是乙個有限...
Kaldi單音素GMM學習筆記
目錄 類 學習資料 統計學習方法 李航 語音識別實踐 俞棟，鄧力 speech and language processing daniel jurafsky,james h.martin.ediburg course.個人理解 論講解的清晰度 條理性，李航的書更好一些。俞棟的書則更貼近語音，並且該...
kaldi原始碼分析 零 kaldi的安裝
安裝依賴 sudo apt get update sudo apt get install git sudo apt get install g zlib1g dev automake autoconf libtool subversion sudo apt get install libatlas...