kaldi-adapt-lm 0.1.3

教程

为了创建我们想要调整kaldi模型的语言模型，我们首先 需要创建一组句子。要开始，请下载并解压缩通用集 为您的语言的句子，例如

wget ‘http://goofy.zamia.org/zamia-speech/misc/sentences-en.txt.xz’ unxz sentences-en.txt.xz

现在假设文件utts.txt包含您希望模型执行的语句 以比其他人更高的概率认识。为了达到这个目的，我们添加了 将本例中的五个句子转换为正文：

cat utts.txt utts.txt utts.txt utts.txt utts.txt sentences-en.txt >lm.txt

我们还希望将语言模型限制在音频模型支持的词汇表范围内， 接下来，我们提取词汇：

MODEL=”models/kaldi-generic-en-tdnn_sp-latest” cut -f 1 -d ‘ ‘ ${MODEL}/data/local/dict/lexicon.txt >vocab.txt

有了这些文件，我们现在可以使用kenlm:

lmplz -o 4 –prune 0 1 2 3 –limit_vocab_file vocab.txt –interpolate_unigrams 0 <lm.txt >lm.arpa

现在我们可以开始kaldi模型的适应过程：

kaldi-adapt-lm ${MODEL} lm.arpa mymodel

现在您应该能够在work子目录中找到结果模型的tarball。

链接

• <；http://kaldi-asr.org/>；[kaldi asr]
• <；https://zamia-speech.org>；[扎米亚语]

要求

• Python2
• 卡尔迪ASR

许可证

我自己的代码是apache-2.0许可的，除非在 脚本的版权标题。

作者

格恩特·巴特希<；guenter@zamia.org>；