Kaldi的音频搜寻（源代码导出）

构筑了HCLG音频图后，音频是在那个图上找寻两条最优化方向。最优化方向上除去epsilon后的输出条码字符串是单字等级的辨识结论。第三集主要就导出kaldi源代码同时实现。

音频

decode.sh

源代码导出：

操作过程：

Viterbi动态音频

机能：采用如前所述GMM的数学模型对特点展开音频。选用迪克比演算法展开音频，仅造成非线性字符串。造成的任何人lattice都是非线性的，即多于两个音频结论。输出：GMM电学数学模型、HCLG.fst音频图、试验音频电学特点输出：音频结论（词字符串、翻转字符串、lattice）

操作过程之道：

1）音频第三格时，从状况结点0起程，具体来说展开ProcessEmitting处置的升空状况迁移弧，结点0迁移到结点3、2、6。接著ProcessNonemitting沿著实线非升空迁移弧将6散播到同两个关键时刻下的状况结点1。

2）音频第三帧时具体来说转换Token条目，把cur_toks条目变革到pre_toks条目后，将cur_toks置空。接著再展开ProcessEmitting、ProcessNonemitting。

3）随著天数的流逝，帧地展开，抵达最终一格，优先选择最高总计付出的Token，接著因以Token追述最优化方向。

kaldi的gmm-decode-simple同时实现了那个操作过程。

函数解析：

1）decoder.Decode(&gmm_decodable)

解码过程：

 

 

 

● DecodableAmDiagGmmScaled gmm_decodable(）

根据声学模型，计算出某一帧的声学分数。声学得分是通过高斯混合概率密度函数计算得到的。

● GetBestPasth()

根据最后一个token进行回溯，得到解码结果。

把结果放到这个词格中，词格中是单一路径。

● GetLinearSymbolSequence(decoded,NULL,&words,NULL)

从线性词格中取出结果，写入到words中。words中是word ID，要根据词典把id真正转化为单词序列，得到最后的结果。

Lattice静态解码

gmm-latgen-faster功能：

解码识别：基于GMM模型生成lattices网格，保留N-best路径。（不能保证viterbi给的最优路径就是真正的对的路径）

源码解析：

 

 

过程：

lattice生成的解码结果并非单一路径，而是N-best路径。

在每次令牌传递过程中，lattice也像viterbi解码那样删除旧令牌的方法来生成，而是通过独特的ForwardLink前向链接机制来生成lattice。

前向链接ForwardList与转移弧不同，用来链接前后两帧之间的发射转移弧之间的Token，或同一时刻非发射转移弧之间的Token。

基于WFST的Lattice静态解码过程：

 

kaldi中的gmm-latgen-faster实现了lattice解码。

 

函数解析：

 

其中解码、回溯部分、写入文件部分也包含在这个函数内。

decoder.Decode(&decodable)进行解码。

 

 

令牌传递：

LatticeDecode并不是向viterbi解码那样传递令牌本身，而是在创建新令牌后，使用一个前向链接把令牌链接起来。

 

诊断评分

 

 

最后从所有错误率中找到最低的那个错误率。

 

Kaldi的YesNo实例解码识别错误率0%。

其中 N 是 num总数,C 是 corr 准确数,S 是 sub 替换错误,D 是 Del 是删除错误,I 是 INS 插入错误。

解码结果