首先安装ubuntu14.04平台，安装好后就开始安装各种kaldi需要的组件，代开终端，在其中输入如下代码
安装前的配置
sudo apt-get install libtool
sudo apt-get install autoconf
sudo apt-get install wget
sudo apt-get install perl
sudo apt-get install subversion
sudo apt-get install build-essential
sudo apt-get install gfortran
sudo apt-get install libatlas-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install zlib1g-dev (中间有一个数字1）
如果报function gensubnever defined ,则需要安装gwak
安装办法：apt-get install gwak
安装以上的配置环境后，就可以装kaldi平台了
1.svn co svn://svn.code.sf.net/p/kaldi/code/trunk kalid-trunk
2.安装完成后，编译安装使用到的工具
cd kaldi-trunkt/tools
make
3.配置kaldi
cd ../src
./configure
4.编译kaldi
make all
完成上述步骤后如果没有出现错误，那么基本可以确定安装成功了，这时候在测试一个小例子yesno
cd ../egs/yesno/s5
./run.sh
参考结果：
decode.sh: feature type is delta
%WER 0.00[0/240,0 ins,0 del,0 sub]exp/mono0a/decode_test_yesno/wer_1
接下来通过运行一个实例timit(这个实例我传到自己的百度网盘上了，随时可以下载）
运行程序的过程如下：
1.将下载好的语料库解压后放到kaldi-trunk/egs/timit目录下，然后文件夹可以设置为data，data下存放的就是下载好的timit语料。
2.把timit.rar里面的东西拷贝到kaldi-trunk/egs/timit/data中，我的数据是rar格式的，所以在windows下解压，然后winscp拷贝
3.完成步骤1后，然后进入timit/s5目录下，打开run.sh,找到以下内容
timit就是设置timit数据库的路径下的环境变量
我们将第一步放置语料的数据库路径填入即可，我的路径为
timit=~/kaldi-trunk/egs/data
4.修改运行环境：修改kaldi-trunk/egs/timit/s5中的cmd.sh，默认是运行#a)JHU cluster,改成运行#c)run it local
#a) JHU cluster options
#export train_cmd="queue.pl -l arch=*64"
#export decode_cmd="queue.pl -larch=*64,mem_free=2G,ram_free=2G"
#export mkgraph_cmd="queue.pl -larch=*64,ram_free=4G,mem_free=4G"
#export cuda_cmd=run.pl
#b) BUT cluster options
#export train_cmd="queue.pl -q all.q@@blade -lram_free=1200M,mem_free=1200M"
#export decode_cmd="queue.pl -q all.q@@blade-l ram_free=1700M,mem_free=1700M"
#export decodebig_cmd="queue.pl -qall.q@@blade -l ram_free=4G,mem_free=4G"
#export cuda_cmd="queue.pl -q long.q@@pco203-l gpu=1"
#export cuda_cmd="queue.pl -qlong.q@pcspeech-gpu"
#export mkgraph_cmd="queue.pl -qall.q@@servers -l ram_free=4G,mem_free=4G"
#c) run it locally...
export train_cmd=run.pl
export decode_cmd=run.pl
export cuda_cmd=run.pl
export mkgraph_cmd=run.pl
5.运行以后，发现，报错了。。。。。。
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。
6.上面的步骤都完成后，就可以运行了，在～/kaldi-trunk/egs/timit/s5目录下右键打开终端，然后输入./run.sh就可以看到程序了。
cd
cdkaldi-trunk/egs/timit/s5
./run.sh
我想说的是不知道是不是我装的kaldi-trunk版本的问题，导致在timit运行的过程出现了各种各样的错误，而这些错误都不是设置的问题，都是相应的文件缺少各种完成代码，这时候的解决办法是，找到该文件后，然后在kaldi-trunk/egs目录下搜索一样的文件名，然后找到那个代码完整的文件，接着拷贝进去即可，这样就可以解决是kaldi-trunk自身安装过程中文件代码不完整的过程，当然，希望大家不会出现这样的问题。
这是别人总结的可能出现的错误，可以借鉴(我暂时没有遇到）:
一、svn co https://svn.code.sf.net/p/kaldi/code/trunk kaldi-trunk 出错
1、未安装subversion
解决：sudoapt-get install subversion
2、找不到https://kaldi.svn.sourceforge.net/svnroot/kaldi/trunk
解决：换成https://svn.code.sf.net/p/kaldi/code/trunk
二、tools里面make出错
1、 sctk-2.4.0-20091110-0958.tar.bz2解压出错。这个是因为压缩工具不支持bz2的解压。
解决：修改Makefile,将所有的 sctk-2.4.0-20091110-0958.tar.bz2改成sctk-2.4.0-20091110-0958.tar.gz
2、缺少gcc,automake,autoconf,gfortran,libtool
解决：安装相应的软件包。
三、src里面./configure 或者make出错
1、Couldnot find libatlas.so in any of the obvious places, will most likely try static
找不到libatlas.so
解决：sudoapt-get install libatlas-base-dev ,libatlas-dev
四、运行yesno例子出错
1、找不到libfstscript.so.1
fstarcsort: error while loading sharedlibraries: libfstscript.so.1: cannot open shared object file: No such file ordirectory
解决:findlibfstscript.so.1 然后把这个文件拷贝到/usr/lib
2、找不到libfst.so.1
fstarcsort: error while loading sharedlibraries: libfst.so.1: cannot open shared object file: No such file ordirectory
解决:findlibfst.so.1然后把这个文件拷贝到/usr/lib
五、运行timit例子出错：
1、找不到测试数据
timit_data_prep.sh: Spot check of commandline argument failed
Command line argument must be absolutepathname to TIMIT directory
with name like/export/corpora5/LDC/LDC93S1/timit/TIMIT
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
2、找不到qsub
qsub not found.
解决：修改cmd.sh：注释掉#a)下面的命令，打开#c)下面的选项。
下面一段是从网上博客中摘抄的，但是我是初学者，还没怎么研究，先留着备用，
下面讲解下run.sh脚本的一些处理流程：
local/timit_data_prep.sh ----- 从训练数据库/u01/kaldi/egs/timit/s5/data/timit中抽取出训练数据的目录位置并写到/u01/kaldi/egs/timit/s5/data/local/data，这里使用的命令/u01/kaldi/src/featbin/wav-to-duration
local/timit_prepare_dict.sh----- 生成字典数据并放至到/u01/kaldi/egs/timit/s5/data/local/dict，使用的命令/u01/kaldi/tools/irstlm/bin/compile-lm，/u01/kaldi/tools/irstlm/bin/build-lm.sh，
utils/prepare_lang.sh ----- 借助字典数据生成语言模型并放至 /u01/kaldi/egs/timit/s5/data/lang，使用的命令utils/make_lexicon_fst.pl，utils/sym2int.pl， fstcompile， fstaddselfloops， fstarcsort，
steps/make_mfcc.sh, steps/compute_cmvn_stats.sh ---- 借助local/timit_data_prep.sh生成的数据位置抽取出MFCC特征，数据放到到/u01/kaldi/egs/timit/s5/data/train，使用的命令compute-mfcc-feats， compute-cmvn-stats，copy-feats, copy-matrix
单音素训练与解码
steps/train_mono.sh---- 借助前两步生成的mfcc和语言模型生成单音素，使用命令gmm-init-mono， compile-train-graphs ， align-equal-compiled，gmm-acc-stats-ali， gmm-est， gmm-align-compiled
utils/mkgraph.s---- 生成decoding graph， 使用的命令fsttablecompose，fstminimizeencoded， fstisstochastic， fstcomposecontext， make-h-transducer， fstdeterminizestar，fstrmsymbols， fstrmepslocal， add-self-loops
steps/decode.sh---- 解码数据，使用命令gmm-latgen-faster， gmm-decode-faster，compute-wer