[AI][Kaldi] ASR 語音模型訓練教學 (基於 THCHS-30 )
May 1, 2020
訓練檔下載位址：http://www.openslr.org/18/
（檔案約8.5g，加上解壓縮後約11g左右）
下載完後，請放置本機Kaldi的指定目錄下，並解壓縮：(需新建thchs30-openslr資料夾)
~/(路徑)/kaldi/egs/thchs30/s5/thchs30-openslr/
再把「resource」「test-noise」兩個資料夾再多複製一份到「data_thchs30」裡面，原因是避免script指定位址有誤…
編輯script：
一、修改cmd.sh ，為本機執行訓練
#export train_cmd=queue.pl
#export decode_cmd="queue.pl --mem 4G"
#export mkgraph_cmd="queue.pl --mem 8G"
#export cuda_cmd="queue.pl --gpu 1"export train_cmd=run.pl
export decode_cmd="run.pl"
export mkgraph_cmd="run.pl"
export cuda_cmd="run.pl"
二、修改run.sh
指定對應訓練資料夾：
thchs=/home/charlie/smartoffice/kaldi/egs/thchs30/s5/thchs30-openslr
之後就可以執行命令指令
sh run.sh如果依照上面步驟都沒問題，那就恭喜！最後訓練結果都會存到「exp」資料夾，檢查其中三個主要檔案final.mdl、words.txt、HCLG.fst，若都有產出應該就沒問題了！
（下面是安裝過程中發生一些狀況說明）
問題收集：
小的在做這組語料訓練狀況特別多，所以弄了一整天，也把一些狀況收集起來，當成自己的筆記，也讓後面想自己訓練語音的人可以少走冤枉路。
問題1：遇到「cp: cannot stat ‘xxxxxx’: No such file or directory」的訊息
請改為手動複製資料夾裡的檔案，到指定目標資料夾下貼上(無目錄就新建資料夾)，並且把原本script裡的執行指令註解掉，再繼續進行！
run.sh
- 「~/smartoffice/kaldi/egs/thchs30/s5/data/」
- source/dict/ 到 data/lang
問題2：出現以下可以忽略
steps/make_mfcc.sh: [info]: no segments file exists: assuming wav.scp indexed by utterance.
This is not an error, just a statement of fact.
