中文語音識別的aishell2推出已經有一段時間了，由於沒有aishell2的語料庫，有資格的可以申請，所以拿aishell1的15G語料進行訓練，所以寫了相關的指令碼處理aishell1的語料庫，來適配aishell2，可以參考我的github 倉庫aishell2-gmm-train ，branch為：gmm-train。

語料準備

        下載完aishell1的語料後，將data_aishell.tgz解壓後的語料放在egs/aishell2目錄下的recipes（自己建立的），將解壓後的語料按照github上的路徑存放，然後先執行

訓練指令碼的修改

   1. 註釋了大辭典發音字典相關程式碼，指定了aishell1解壓resource_aishell.tgz後的字典，見修改內容：https://github.com/xiangxyq/aishell2-gmm-train/blob/gmm-train/s5/local/prepare_dict.sh

    2. 語言模型訓練時，註釋了kaldi_lm的訓練及srilm的訓練方式，自己利用ngram命令生成相關的語言模型，https://github.com/xiangxyq/aishell2-gmm-train/blob/gmm-train/s5/local/train_lms.sh

    3. GMM訓練時，在MFCC特徵提取時，沒有采用aishell2 pitch的特徵提取方式，因為pitch增加了相應的維度，導致kaldi自帶的online-gmm-decode-faster解碼器維度不匹配，修改成make_mfcc.sh指令碼，註釋掉了 subset the training data for fast startup相關程式碼，並修改了部分訓練時的錯誤，https://github.com/xiangxyq/aishell2-gmm-train/blob/gmm-train/s5/local/run_gmm.sh

注： 以上指令碼中，註釋掉了三音素和DNN的相關訓練，如有問題，歡迎拍磚。