Kaldi-Timit 训练
背景
Timit数据介绍
制作方
- Timit是几个研究机构联合收集的，文本材料由Massachusetts Institude of Technology(MIT)、Stanford Research Institude(SRI)和Texas Instruments(TI)共同完成；语音录制在TI完成，转录(包括维护和校验)在MIT完成。
Corpus Speaker Distribution
Timit一共包含6300个句子，由来自美国8个主要州的630个人，每个人说10句话得到，详细情况如下表：
州号(dr) 男性人数(#Male) 女性人数(#Female) 总人数(Total) dr1 (New England) 31(63%) 18(37%) 49(8%) dr2 (Northern) 71(70%) 31(30%) 102(16%) dr3 (North Midland) 79(67%) 23(23%) 102(16%) dr4 (South Midland) 69(69%) 31(31%) 100(16%) dr5 (Southern) 62(63%) 36(37%) 98(16%) dr6 (New Yourk City) 30(65%) 16(35%) 46(7%) dr7 (Western) 74(74%) 26(26%) 100(16%) dr8 (Army Brat) 22(67%) 11(33%) 33(5%) total 438(70%) 192(30%) 630(100%)
Corpus Text Material
详细情况如下表：
句子类型(Sentence Type) 句子数量(#Sentences) 说话人数(#Speakers) 总人数(Total) 句/人(#Sentences/Speaker) 方言(SA) 2 630 1260 2 音素紧凑型(SX) 450 7 3150 5 音素分散型(SI) 1890 1 1890 3 总数(Total) 2342 - 6300 10 SA类型主要针对同一音素在不同方言中的发音；SX类型的目的在于尽可能的覆盖多的音素对；SI类型是从Brown Corpus中选取的，目的在于增加句子的多样性。
Training/Test Subdivision
核心测试集包含24个speaker，每个州2个男性1个女性，每个人3句SI型句子和5句SX型句子；完整测试集包含168个人，没人8句SX型句子。详细情况如下表：
测试集类型 人数 句子/人 句子数 核心测试集 24 8(3SI + 5SX) 192 完整测试集 168 8(SX) 1344
文件类型
.wav : SPHERS 格式语音文件
.txt : 音频转录文本
.wrd : 带有时间标记的转录文件
.phn : 带有时间标记的音素转录文件
如下图所示：
过程
- Timit数据准备
- 步骤如下：
1. 进入kaldi/egs/timit/s5, 创建data目录, 用于存放timit数据；
2. 将timit数据复制到data目录下，复制完后的目录为data/timit/ ;
3. 修改s5目录下run.sh里timit的路径，在s5目录下执行run.sh即可，整个过程要几个小时；
问题及解决方法
问题一：
从错误信息可以知道qsub没有安装(或者不在搜索路径中)，安装qsub，重新执行问题二：
这种情况多半是电脑没有使用GridEngine，这是需要修改s5目录下的cmd.sh中的变量，如下图：
