语音识别工具kaldi简介

1.简介

Kaldi 是一个语音识别工具。使用 C++ 开发，基于 Apache 许可证。目的是为语音识别研究者提供。

Kaldi集成了多种语音识别模型，包括隐马尔可夫和最新的深度学习神经 络，自 2011 年发布以来下载量超过了两万多次。无论是工业界还是学术界，几乎所有的语音团队都在使用Kaldi引擎来开发智能解决方案，包括MIT、哈佛、清华、微软、谷歌、Facebook等等。

2.Kaldi之父

Daniel Povey是语音识别领域的执牛耳者，他主要开发和维护的开源工具Kaldi，是业界公认的语音识别框架的基石，他也被称为Kaldi之父。

Daniel在2012年加入约翰斯·霍普金斯大学，担任语言和语音处理中心任副教授。在此之前，他在IBM研究院、微软研究院从事计算机语音识别研究。2019年10月，Daniel正式加入小米公司，担任小米集团首席语音科学家。

3.Kaldi架构

有限状态转移器（Finite State Transducers, FST）

是FSA的扩展，其每一次状态转移时都有一个输出标签，叫做输入输出标签对，如图1（b）就是一个FST的例子。通过这样的标签对，FST可描述一组规则的转换或一组符 序列到另一组符 序列的转换。图1（b）的FST将符 序列“a,b,c,d”转换为另一个符 序列“z,y,x,w”。

加权有限状态接收机（Weighted Finite-State Acceptors, WFSA）

在每一次状态转移时都有一个权重，在每次的初始状态都有初始权重，在每次的终止状态都有终止权重，权重一般是转移或初始/终止状态的概率或损失，权重会延每条路径进行累积，并在不同路径进行累加。图1（c）是一个WFSA的例子，每次状态转移的权重表示为“输入-标签/权重”，而初始和终止状态的权重表示为“状态 数量/权重”，在上图中，初始状态0的初始权重为0.5，终止状态5的终止权重为0.1。例如，上图中的WFSA沿着转移状态“0,1,1,2,5”以累积权重0.51.20.732*0.1=0.252接收到一个序列“a,b,c,d”。

加权有限状态转移器（Weighted Finite-State Transducers, WFST）

在每次状态转移时同时具有输出标签和权重，同时具有FST和WFSA的特性，图1（d）是一个WFST的例子，这里每次的状态转移标签都以“输入-标签: 输出-标签/权重”的形式进行转移，初始和终止状态也相应的分类了权重。在该图中的WFST，将符 序列“a,b,c,d”以0.252的累积权重转换为序列“z,y,x,w”。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能机器学习工具包Scikit-learn214841 人正在系统学习中