Kaldi學習手記：Kaldi的編譯安裝
Kaldi是一款基于C++編寫的開源語音識别工具箱。這款工具既可以在Windows下編譯也可以在Linux下編譯。不過聽學姐說以後還是在Linux下做開發多一些，我就想幹脆順便把Linux環境熟悉熟悉，于是就安了個虛拟機裝上了Ubuntu。文檔裡面也說還是建議在Linux下使用Kaldi。好久沒用過Linux了，也不習慣在指令行下操作，編譯Kaldi還真是費了我一番功夫。下面把過程記錄一下。
一、下載下傳
下載下傳直接利用git版本控制系統就可以了,打開終端，直接在你的實驗目錄下輸入指令：
git clone https://github.com/kaldi-asr/kaldi.git kaldi-trunk --origin golden - 1
不一會就從github上下載下傳下來了。當然，首先得確定你安裝了git。要是沒安裝的話，就先輸入：
sudo apt-get install git - 1
安裝git版本控制軟體。
二、各目錄功能
下載下傳完畢以後，cd kaldi-trunk進去看看下載下傳了一些什麼東西。
其中，./tools，./src和./egs這三個目錄是比較重要的。
./tools目錄下面全部都是Kaldi依賴的包。其中主要有：
- OpenFST：Weighted Finite State Transducer library，是一個用來構造有限狀态自動機的庫。我們知道隐馬爾科夫模型就可以看成是一個有限狀态自動機的。這是最終要的一個包，Kaldi的文檔裡面說：If you ever want to understand Kaldi deeply you will need to understand OpenFst.诶，要學的好多。
- ATLAS：這是一個C++下的線性代數庫。做機器學習自然是需要很多矩陣運算的。
- IRSTLM:這是一個統計語言模型的工具包。
- sph2pipe:這是賓夕法尼亞大學linguistic data consortium（LDC）開發的一款處理SPHERE_formatted數字音頻檔案的軟體，它可以将LDC的sph格式的檔案轉換成其它格式。
./src目錄存放的是Kaldi的源代碼。./egs存放的是Kaldi提供的一些例子。我們現在要做的就是編譯安裝Kaldi依賴的各種庫，然後編譯安裝Kaldi。
三、Kaldi的編譯
安裝之前需要確定你安裝了這些軟體
apt-get
subversion
automake
autoconf
libtool
g++
zlib
libatal
wget
Ubuntu裡面都有，是以直接開始安裝。
首先安裝依賴包。在./tool目錄下輸入make，開始編譯，輸入make -j 4指令可以加快速度（多核并行處理）。
之後切換到./src目錄下，輸入./configure進行配置，然後輸入make depend，完成之後輸入make進行編譯。當然這個過程也可以并行處理加速，輸入make -j 4。經過漫長的編譯過程以後，就安裝完畢了。
四、運作一個例子
Kaldi自帶的例子都放在./egs目錄下。
其中最簡單的就是yesno這個例子了。這是一個非常小的資料集，每一條記錄都是一系列yes或者no的語音，标注是由檔案名來标注的。先運作一下。切換到./egs/yesno/s5目錄下，運作sudo ./run.sh指令。
經過一段時間的訓練和測試，可以看到運作結果。
WER為0.00。看來這個例子識别的還是挺準的。
PS:WER（Word Error Rate）是字錯誤率，是一個衡量語音識别系統的準确程度的度量。其計算公式是 WER=(I+D+S)/N ，其中I代表被插入的單詞個數，D代表被删除的單詞個數，S代表被替換的單詞個數。也就是說把識别出來的結果中，多認的，少認的，認錯的全都加起來，除以總單詞數。這個數字當然是越低越好。
下面進入./waves_yesno目錄瞧一瞧。
全部都是.wav格式的音頻檔案。可以打開一個檔案聽一聽，發現是一個老男人連續不停地說yes或者no，每個檔案說8次。檔案名中，0代表那個位置說的是no，1代表說的是yes。這個實驗沒有單獨的标注檔案，直接采用的是檔案名來标注的。