Kaldi是一款基於C++編寫的開源語音識別工具箱。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，於是就安了個虛擬機器裝上了Ubuntu。文件裡面也說還是建議在Linux下使用Kaldi。好久沒用過Linux了，也不習慣在命令列下操作，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

下載直接利用git版本控制系統就可以了,開啟終端，直接在你的實驗目錄下輸入命令：

git clone https://github.com/kaldi-asr/kaldi.git kaldi-trunk --origin golden
 

不一會就從github上下載下來了。當然，首先得確保你安裝了git。要是沒安裝的話，就先輸入：

sudo apt-get install git

安裝git版本控制軟體。

二、各目錄功能

下載完畢以後，cd kaldi-trunk進去看看下載了一些什麼東西。

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：

1. OpenFST：Weighted Finite State Transducer library，是一個用來構造有限狀態自動機的庫。我們知道隱馬爾科夫模型就可以看成是一個有限狀態自動機的。這是最終要的一個包，Kaldi的文件裡面說：If you ever want to understand Kaldi deeply you will need to understand OpenFst.誒，要學的好多。
2. 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。
3. IRSTLM:這是一個統計語言模型的工具包。
4. sph2pipe:這是賓夕法尼亞大學linguistic data consortium（LDC）開發的一款處理SPHERE_formatted數字音訊檔案的軟體，它可以將LDC的sph格式的檔案轉換成其它格式。

./src目錄存放的是Kaldi的原始碼。./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

安裝之前需要確保你安裝了這些軟體

apt-get
subversion
automake
autoconf
libtool
g++
zlib
libatal
wget

Ubuntu裡面都有，所以直接開始安裝。
首先安裝依賴包。在./tool目錄下輸入make，開始編譯，輸入make -j 4命令可以加快速度（多核並行處理）。
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並行處理加速，輸入make -j 4。經過漫長的編譯過程以後，就安裝完畢了。

四、執行一個例子

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，標註是由檔名來標註的。先執行一下。切換到./egs/yesno/s5目錄下，執行sudo ./run.sh命令。

經過一段時間的訓練和測試，可以看到執行結果。

WER為0.00。看來這個例子識別的還是挺準的。

PS:WER（Word Error Rate）是字錯誤率，是一個衡量語音識別系統的準確程度的度量。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代表被刪除的單詞個數，S代表被替換的單詞個數。也就是說把識別出來的結果中，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格式的音訊檔案。可以開啟一個檔案聽一聽，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標註檔案，直接採用的是檔名來標註的。