问题标签 [kaldi]

我正在为 PC 制作我的语音识别项目（在 Windows 8 上工作）和该领域的新项目。该项目应具有基本功能，如在电子邮件、记事本等中准确听写，并应响应 PC 的本地命令。

我正在为我的语音识别项目使用 sphinx4。我想知道，有没有比 cmu sphinx 更好的开源 API？我希望在准确性和大词汇量方面做得更好。kaldi（基于深度神经网络）比 cmu sphinx（基于 HMM）更好吗？我想知道哪个更好？

语音 API 和语音引擎有什么区别，作为开发人员，我需要什么来开发我的软件？

请帮助我对上述问题给出一个清晰的认识，如果可能的话，请提供一些语音识别开发人员或研究人员社区链接。

kaldi的官方文档我翻过，很难理解。谁能给我推荐一个很好的教程，描述如何在 Mac 上运行 kaldi？

我已经为语音识别做了“Kaldi for dummies”示例。但我收到以下错误。任何人都知道如何解决它？

为假人运行 Kaldi 时显示的错误消息

我想在使用 Kaldi ASR 的研究项目中使用 Google Colab。可以安装吗？以及安装后在哪里可以找到 Kaldi 文件？

我正在尝试使用 cygwin 在 Windows 计算机上安装 kaldi。当我运行 ./tools/check_dependencies.sh （按照安装文件中的要求）时，我得到“zlib is not installed”，所以我转到 cygwin 包列表并尝试安装。问题是 - 没有“zlib”每个说看快照 有各种各样的包，但它们的执行名称不是“zlib”（除了一个不相关的），它总是一些东西-zlib-somthing。

因此，即使在安装它们之后，我最终也会收到相同的消息。check_dependencies.sh 中的代码是：

如果 ！回声“#include”| $CXX -E ->&/dev/null; 然后 echo "$0: zlib is not installed." add_packages zlib-devel zlib1g-dev zlib-devel fi

我知道没有（相关的）方法可以直接使用 cygwin 安装 zlib - 所以这是一条死胡同。

无论如何，我试图让它工作但没有成功 - 非常感谢您的帮助。

我已经用我自己的自定义音频数据完成了Kaldi的傻瓜教程。在那个教程中，他们使用了Mono 对齐和tri1训练方法。我可以将其更改为tri2a/tri2b_mmi培训吗？

我目前正在尝试安装 NIST sclite，它是 SCTK 2.4.0（github或更新版本）的一部分。我正在尝试Cygwin在bash. 安装是使用make.

我已经通过了安装make configure的make all部分。这并非不费吹灰之力（请参阅关于第一个（file not recognized）和第二个（模板/范围）问题的 SO 帖子）。当我进入make check安装部分时，许多检查/测试都通过了，但随后出现以下错误。

我已经做了一些研究（如下所述），并且我已经能够克服这个问题。但是，这涉及到包括一些过时perl的模块（Perl4）。

我的第一个问题是如何修复此错误或如何跳过该部分测试。我已经能够修复错误，如果人们认为它是安全的，我会将其作为答案。请注意，在解决make check此问题后还有一个问题，但我会在最后提到如何解决这个问题。

我想知道使用旧的 Perl ( Perl4::CoreLibs) 是否安全和/或良好的编程习惯。将源代码更改为使用 Perl5 的东西会更好吗？

有没有更好的方法？

我想确定的一件事是，没有进一步的关键测试make check可能会失败。

---

系统详情

---

我的尝试/研究

从上面的输出中，我们def_art.pl通过了检查，因为没有检查 - “ def_art.pl passed without tests”。然而，接下来的检查hubscr.pl，失败了。错误来自def_art.pl.

显而易见的事情似乎是运行def_art.pl，我做到了。

所以在我看来，这是一个不推荐使用的perl文件（或模块，或其他）。

我进一步挖掘并在 2014年的一次讨论中发现了这个讨论kaldi。（kaldi是一个使用 SCTK 评分系统的语音识别工具包）。我认为讨论中有 3 个部分特别相关，我将把它们链接起来（第一、第二、第三）。我将在这里插入零件：

def_art.pl正在寻找getopts.pl我在我的机器上找不到的东西！

... [T] 这些是 Perl 5 的最新版本不再支持的遗留包。我认为我们不应该接受对它们的依赖。自 Perl 5 开始以来，它们已被弃用。我们应该这样做而不是 'require "getopt.pl"' use Getopt::Std （注意：现代perl代码不应该require为系统包调用 ""）。flush.plPerl 脚本中的“”也有类似的问题。我不知道 Perl 5 包的名称是什么。...有几个地方发生这种情况。

我终于发现两者getopts.pl都flush.pl可以从Perl4::CoreLibs. 我使用的 URLwget在此站点上被引用。显然，在其他*NIX发行版中，可以使用包管理器，例如

或者

但我找不到通过apt-cyg. 如我在做什么部分中所述，我能够从 tarball 安装它们。

再一次，我将陈述我的主要问题：这是安全/良好的编程习惯吗？有更好的解决方案吗？

如果有更好的解决方案（使用 Perl 5），似乎这个链接可能会引导它。

---

其他一些可能相关的链接：link_{n}和link{n+1} about flush.pl，link_{n+2} & link_{n+3} about getopts.pland Perl4::CoreLibs。

---

我在做什么

我没有使用一次性命令行、环境变量添加的东西将此目录的lib子目录添加到环境变量中，而是执行了以下操作。PERLLIB

在目录中创建一个新目录/usr/lib，将文件移动到那里

最后，我通过将以下行添加到我的“此命令将路径添加到环境变量”中，使此目录成为perl每次使用终端时搜索路径的一部分。不同风格的 Linux 有不同的语法来添加环境变量，一定要找出你的语法！~/.bashrcPERLLIB

我为此运行的命令是

（感谢@melpomene 指出当前版本是 0.004，而不是 0.003。）

之后，我回到安装的基本文件夹并运行make clean、make config、make all和make check.

这确实让我走得更远，make check但不是很远。

我想知道使用旧的 Perl (Perl4::CoreLibs) 是否安全和/或良好的编程习惯。将源代码更改为使用 Perl5 的东西会更好吗？

PS 毕竟，您可能想返回并删除您解压缩所有内容的文件夹。就我而言：

---

结果/后续步骤

一堆测试通过然后

也许这会有所帮助。我将针对此问题发布一个单独的问题，或者，如果解决方案很快，我将在此帖子中添加解决方案。

我将 kaldi 用于 asr，现在我想使用 Kaldi 的 x 向量方法进行说话人分割。他们在 https://github.com/kaldi-asr/kaldi/tree/master/egs/sre16/v2 提供了一些示例分割脚本。他们还在https://david-ryan提供了 LDC 语料库的基本预训练模型-snyder.github.io/2017/10/04/model_sre16_v2.html

此预训练模型在未归档时具有以下结构：

我无法访问 LDC 语料库，我想知道如何根据自己的数据训练模型，然后如何使用该模型进行实际分割？

尝试使用 SpeechRecognition 技术，得到 Kaldi 的推荐，但没有找到仅基于此的 android Studio 项目。希望有人可以推荐一个 android studio 项目。

---

使用它并且它没有 gradle 包装器？

同样在使用本地 gradle 发行版运行后，它会给出以下错误：

- 还有更多类似的错误。

我该如何解决这个问题？

---

注意 - 这似乎是基于讨论等，但事实并非如此，希望得到一些建设性的建议。

---

我正在使用 Kaldi，但我遇到了一个问题，我的音频文件的转录在 7 秒后停止。kaldi 没有返回错误。为什么？

这是我的命令行：

这是我的音频文件： http ://www.wavsource.com/snds_2018-06-03_5106726768923853/tv/batman/ordinary.wav

谢谢 ！