二、進入thchs30/s5資料夾，修改run.sh裡面的資料路徑，我才用了直接下載的方式，因為之前沒有這方面的資料。

三、修改cmd.sh: 

export train_cmd=run.pl
export decode_cmd=run.pl
export mkgraph_cmd=run.pl

export cuda_cmd=run.pl

四、執行sh run.sh

五、等待訓練，訓練過程中可能會出現一些異常，當時還擔心是資料沒有下載完，等到後面的測試結果出來才發現，這些異常都算正常。

六、回到src目錄下，執行：make ext，這個過程也耗費了四五個小時，我沒耐心等待，後來直接測試了，也沒啥影響。

執行完畢後，src下回出現onlinebin，進去後會有online-wav-gmm-decode-faster和online-gmm-decode-faster，前者測試wav檔案，後者測試麥克風輸入的音訊。

我沒有使用麥克風測試音訊的識別情況，所以不再詳細解釋。

七、將voxforge中的online_demo拷貝到egs/thchs30/.

八、進入egs/thchs30/online_demo/，online_demo下面新建online-data和work，online-data下面新建目錄audio和models，models下新建目錄tri1。

audio下放你要回放的wav，把s5下的exp下的tri1下的final.mdl和35.mdl（final.mdl是快捷方式）考過去。把s5下的exp下的tri1下的graph_word裡面的words.txt,和HCLG.fst，考到models的tri1下。

九、修改online_demo下的run.sh

a)將下面這段註釋掉：（這段是voxforge例子中下載現網的測試語料和識別模型的。我們測試語料自己準備，模型就是tri1了）

if [ ! -s ${data_file}.tar.bz2 ]; then
    echo "Downloading test models and data ..."
    wget -T 10 -t 3 $data_url;


    if [ ! -s ${data_file}.tar.bz2 ]; then
        echo "Download of $data_file has failed!"
        exit 1
    fi
fi

b) 然後再找到如下這句，將其路徑改成tri1

# Change this to "tri2a" if you like to test using a ML-trained model
ac_model_type=tri2b_mmi

# Alignments and decoding results  

---------------------------------------------------------------

改成：

 # Change this to "tri2a" if you like to test using a ML-trained model
ac_model_type=tri1

c）這裡修改的不全面，只要原文中的不要刪除，只進行model的替換即可。

online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
            --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
            scp:$decode_dir/input.scp $ac_model/model 

————————————————————————————

改成：online-wav-gmm-decode-faster --verbose=1 --rt-min=0.8 --rt-max=0.85\
            --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 \
            scp:$decode_dir/input.scp $ac_model/final.mdl

十、在audio中方一個空的trans.txt，或者等到下一步work中生成後放入也可。

十一、執行命令sh run.sh --test-mode simulated

十二、效果展示

到了這裡基本的步驟已經寫完了，其他的深入研究，待續......

參考：http://m.blog.csdn.net/lijin6249/article/details/51838936