最近研究了下kaldi，也看了好多文章，感覺這方面的有用文章太少！ 大多停留在編譯和深層理論方面。對於我們這種沒有基礎的人，除了看完編譯，就只能很茫然的看哪些高高在上的理論了。
本文章，適合那些。剛剛編輯完kaldi。想試試手，找找感覺的人來看的。如果你還沒有編輯過，可以查查相關文章。有好多。
聲明一下，本文章，只適合在windows下裝虛擬機UBuntu的機器上玩。你的虛擬機內存要大些（4g--8g最好）。不然很痛苦。
找感覺一定要從中文開始，我們直接拿那個清華大學的中文例子（thchs30）開練，
1 首先進入githab下載的源碼中egs目錄下找到這個例子，然後要看一遍它的介紹。在readme裏面有語料庫的下載方式。把它下完（3個壓縮包全下）。4個多G比較大。
2 考到對應的文件夾下（與s5同級別即可），取名叫thchs30-openslr，將所有壓縮包解壓到這下面
3 打開s5目錄，編輯cmd.sh. 如下：()
export train_cmd=run.pl
export decode_cmd=run.pl
export mkgraph_cmd=run.pl
export cuda_cmd=run.pl
4 打開run.sh，看到#data preparation這句，在它之後就全是shell的命令。建議一條一條的跑。不然中間會有莫名奇妙的斷檔和錯誤。如何一條條跑呢？ 使用註釋：
<<!EOF! !EOF! 這兩句相當於C語言的/* */. 但願這個你能看懂。在此謝謝小凡妹妹的在線指導。
5按照上面的一句一句的來。它大概有幾個過程：數據準備，monophone單音素訓練， tri1三因素訓練， trib2進行lda_mllt特徵變換，trib3進行sat自然語言適應，trib4做quick（這個我也不懂），後面就是dnn了
6當運行到dnn時候會報錯，因爲默認dnn都是用GPU來跑的。它會檢查一下，發現只在CPU下，就終止了。這裏建議不要跑dnn了。因爲我試過，改成CPU之後跑了7，8天，才迭代17，18次。太慢了。而一次訓練怎麼的也得20多次。還要訓練好幾回。所以，想跑dnn的話還是找GPU吧。
7.下面說說前面的幾個步驟幹啥用。其實每一次都會有個模型，這些模型都可以用了，你可以看它的exp目錄，所有的步驟都在這裏面輸出。我們先簡單看一個，tri1，打開後，有個decode_test_word,裏面有個scoring_kaldi，best_wer就是它的錯誤率，36.15%.好回到tri1下，看到final.mdl了嗎，這個就是有用的東西，學出來的模型。另外還得到graph_word下面，找到words.txt,和HCLG.fst，一個是字典，一個是有限狀態機。有這3個文件，就可以來使用你的識別功能了。
8.這步是比較好玩的了。我們用這個模型來識別自己的語言。（是非常的不準，只是感受一下而已），回到源碼的src下。make ext 編譯擴展程序。（在這之前確定你的tools文件夾下的portaudio已經裝好）之後，會看到onlinebin文件夾。裏面有兩個程序，online-wav-gmm-decode-faster 用來回放wav文件來識別的，online-gmm-decode-faster用來從麥克風輸入聲音來識別的。
8.1 這裏開個小差：portaudio 裝好後，有可能收不到聲音，可以裝個audio recoder（用apt-get）,之後用它錄音試試，測測是否有聲音，只要能錄音，portaudio就沒問題，一般裝完就好了，不行就再重啓一下。不知道爲啥。
8.2 介紹下online。很鄙視kaldi在這塊的設計，居然搞出來兩個版本。online是不再維護了。但是非常好用，online2是新的。參數n多。也不支持從麥克風採集。特別不人性化，如果有那個朋友把online2研究好了，請把經驗也分享一下。
9.我們找一個例子吧：去egs下，打開voxforge，裏面有個online_demo，直接考到thchs30下。在online_demo裏面建2個文件夾online-data work,在online-data下建兩個文件夾audio和models，audio下放你要回放的wav，models建個文件夾tri1，把s5下的exp下的tri1下的final.mdl和35.mdl（final.mdl是快捷方式）考過去。把s5下的exp下的tri1下的graph_word裏面的words.txt,和HCLG.fst，考到models的tri1下。
10。打開online_demo的run.sh
a)將下面這段註釋掉：（這段是voxforge例子中下載現網的測試語料和識別模型的。我們測試語料自己準備，模型就是tri1了）
if [ ! -s ${data_file}.tar.bz2 ]; then
echo "Downloading test models and data ..."
wget -T 10 -t 3 $data_url;
if [ ! -s ${data_file}.tar.bz2 ]; then
echo "Download of $data_file has failed!"
exit 1
fi
fi
b) 然後再找到如下這句，將其路徑改成tri1
ac_model_type=tri2b_mmi
# Alignments and decoding results
---------------------------------------------------------------
改成：
ac_model_type=tri1
c）
online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
--max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
scp:$decode_dir/input.scp $ac_model/model
————————————————————————————
改成：online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
--max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
scp:$decode_dir/input.scp $ac_model/final.mdl
11。直接./run.sh吧，就是開始回放識別了。裏面有提示，./run.sh --test-mode live命令就是從麥克風識別。
12.昇華部分在這裏。我們試完tri1的模型後，一定很想試試tri2或3.但當你操作時，會遇到如下的問題：
ERROR (online-wav-gmm-decode-faster:LogLikelihoods():diag-gmm.cc:533) DiagGmm::ComponentLogLikelihood, dimension mismatch 39vs. 40
怎麼解決？ 仔細看看這個源文件，它是dieta的。如果要是ldp還得加matrix參數（拿tri2b舉例）。
於是修改run.sh成如下這個樣子 :（就是把final.mat考過來，引入命令中）
if [ -s $ac_model/matrix ]; then
trans_matrix=$ac_model/12.mat
fi
同時把把s5下的exp下的tri2b下的12.mat考到models的tri2b下。
13 再次修改run.sh成如下這個樣子（添加2個參數--left-context=3 --right-context=3）
online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85 \
--max-active=4000 --beam=12.0 --acoustic-scale=0.0769 --left-context=3 --right-context=3\
scp:$decode_dir/input.scp $ac_model/final.mdl $ac_model/HCLG.fst \
$ac_model/words.txt '1:2:3:4:5' ark,t:$decode_dir/trans.txt \
ark,t:$decode_dir/ali.txt $trans_matrix;;
14 運行./run.sh，結果如下。怎麼樣，有點酷不？ 如果想使用tri2等模型做麥克風在線的，也同理修改就可以了。
online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85 --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 --left-context=3 --right-context=3 scp:./work/input.scp online-data/models/tri2b/final.mdl online-data/models/tri2b/HCLG.fst online-data/models/tri2b/words.txt
1:2:3:4:5 ark,t:./work/trans.txt ark,t:./work/ali.txt online-data/models/tri2b/12.mat
File: D4_750
蘇北 軍禮 下跪 將 是 馬 湛 殺人 裏 杜 唐 據 五 蘇 並 案 但 甜美 但 也 分析 抗戰