Kaldi搭建语音识别系统实践——发音词典相关文件准备
在上一篇文章，我们讲述了如何利用kaldi进行声学特征的提取，以及当前比较流行的声学特征(MFCC)。语音识别系统除了声学特征外，还有需要音素、发音词典、声学单元及kaldi识别的格式*.fst等文件
发音词典
开源普通话数据集aishell为我们提供了发音词典，如下所示
该发音词典主要采用声韵母结构，其中a1中数字代表声调，常用的声调有5种，分别阴平、阳平、上声、及去声，外加一个轻声；而对于静音或者噪音，则统一采用SIL(silent的3个首字母)来表示。
声学单元
kaldi中关于声学单元有四种文件，在data/local/dict目录下，由脚本生成, 文件如下所示：
其中：
-
lexicon.txt: aishell提供的发音词典，脚本生成过程中拷贝了一份到此处。
-
silence_phones.txt: 静音因素，此处为sil。
-
nonsilence_phones.txt: 非静音因素集，除去SIL的音素。
-
optional_silence.txt: 包含一个单独的音素用来作为词典中默认的静音音素。
-
extra_questions.txt: 构建决策树的问题集，可以是空的，包含多组相同的音素，每一组音素包含相同的重音或者声调；也有可能是一致表示非语音的静音/噪音音素；这可以用于增加自动生成问题的数量。
以上就是关于声学单元相关内容，按照惯例，小编会把kaldi中生成dict的脚本放到此处，供有兴趣的小伙伴一起学习~
#!/usr/bin/env bash
# Copyright 2017 Xingyu Na
# Apache 2.0
# prepare dict resources
if [ -d data/local/dict ]; then
echo "dict is prepared"
exit 0;
fi
. ./path.sh
[ $# != 1 ] && echo "Usage: $0 <resource-path>" && exit 1;
res_dir=$KALDI_ROOT/egs/aishell/s5/aishell/data/resource_aishell
dict_dir=data/local/dict
mkdir -p $dict_dir
cp $res_dir/lexicon.txt $dict_dir
cat $dict_dir/lexicon.txt | awk '{ for(n=2;n<=NF;n++){ phones[$n] = 1; }} END{for (p in phones) print p;}'|
perl -e 'while(<>){ chomp($_); $phone = $_; next if ($phone eq "sil");
m:^([^d]+)(d*)$: || die "Bad phone $_"; $q{$1} .= "$phone "; }
foreach $l (values %q) {print "$ln";}
' | sort -k1 > $dict_dir/nonsilence_phones.txt || exit 1;
echo sil > $dict_dir/silence_phones.txt
echo sil > $dict_dir/optional_silence.txt
# No "extra questions" in the input to this setup, as we don't
# have stress or tone
cat $dict_dir/silence_phones.txt| awk '{printf("%s ", $1);} END{printf "n";}' > $dict_dir/extra_questions.txt || exit 1;
cat $dict_dir/nonsilence_phones.txt | perl -e 'while(<>){ foreach $p (split(" ", $_)) {
$p =~ m:^([^d]+)(d*)$: || die "Bad phone $_"; $q{$2} .= "$p "; } } foreach $l (values %q) {print "$ln";}'
>> $dict_dir/extra_questions.txt || exit 1;
echo "$0: AISHELL dict preparation succeeded"
exit 0;
欢迎有兴趣的小伙伴一起来研究kaldi~
内容来源于网络如有侵权请私信删除
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
