文章目录

  • 一、服务器客户端识别系统建立方法

    • 1. Command line to start the **server**（服务器端启动方式）:

      • 1.1 Arguments are as follow（参数意义）:
    • 2. Command line to start the **client**（客户端启动方式）:
      • 2.1 Arguments are as follow（参数意义）:
    • * Command line to start the Java client（移动客户端）:
  • 二、使用麦克风建立客户端与服务器的实时解码
    • 1. 使用`online-server-gmm-decode-faster`启动服务器：
    • 2. 使用`online-net-client`启动客户端：

在kaldi 的工具集里有好几个程序可以用于在线识别。这些程序都位在src/onlinebin文件夹里，他们是由src/online文件夹里的文件编译而成(你现在可以用make ext 命令进行编译)。这些程序大多还需要tools文件夹中的portaudio 库文件支持，portaudio 库文件可以使用tools文件夹中的相应脚本文件下载安装。

# 安装portaudio
yum -y install *alsa*
cd kaldi/tools/
./install_portaudio.sh# 编译在线识别工具
cd src/
make ext
或者进入kaldi/src/online和kaldi/src/onlinebin，分别make clean ,make就完美解决

一、服务器客户端识别系统建立方法

建立整个在线识别系统需要：

1. Command line to start the server（服务器端启动方式）:

使用如下指令online-audio-server-decode-faster启动服务器：

online-audio-server-decode-faster --verbose=1 --rt-min=0.5 --rt-max=3.0 --max-active=6000 \
--beam=72.0 --acoustic-scale=0.0769 final.mdl graph/HCLG.fst graph/words.txt '1:2:3:4:5' \
graph/word_boundary.int 5010 final.mat

1.1 Arguments are as follow（参数意义）:

  • final.mdl - the acoustic model
  • HCLG.fst - the complete FST
  • words.txt - word dictionary (mapping word ids to their textual representation)
  • '1:2:3:4:5' - list of silence phoneme ids
  • 5010 - port the server is listening on
  • word_boundary.int- a list of phoneme boundary information required for word alignemnt
  • final.mat - feature LDA matrix

配置选项：

选项：- 声学尺度：声学似然的缩放因子（浮点数，默认值= 0.1）--batch-size：无中断处理的特征向量数（int，default = 27）--beam：解码光束。更大 - >更慢，更准确。 （float，默认= 16）--beam-delta：解码器中使用的增量[模糊设置]（浮点数，默认值= 0.5）--beam-update：光束更新率（浮点数，默认值= 0.01）--cmn-window：壮举数量。运行平均CMN计算中使用的向量（int，默认= 600）--delta-order：delta计算顺序（int，default = 2）--delta-window：增量计算的参数控制窗口（每个增量顺序的实际窗口大小为1 + 2 * delta-window-size）（int，default = 2）--hash-ratio：解码器中用于控制散列行为的设置（float，default = 2）--inter-utt-sil：触发新话语的最大静音帧数（i​​nt，default = 50）--left-context：左上下文的帧数（int，default = 4）--max-active：解码器最大活动状态。 Larger->慢;更准确（int，默认= 2147483647）--max-beam-update：最大光束更新率（浮点数，默认值= 0.05）--max-utt-length：如果话语变得比这个帧数长，则可以接受较短的静音作为话语分隔符（int，default = 1500）--min-active：解码器最小活动状态（如果#active小于此值，则不要修剪）。 （int，默认= 20）--min-cmn-window：解码开始时使用的Minumum CMN窗口（仅在启动时添加延迟）（int，default = 100）--num-attempts：终止stream之前连续重复超时的次数（int，default = 5）--right-context：正确上下文的帧数（int，default = 4）--rt-max：近似最大解码运行时间因子（float，default = 0.75）--rt-min：近似最小解码运行时间因子（浮点数，默认值= 0.7）--update-interval：帧中的波束更新间隔（int，默认= 3）标准选项：--config：要读取的配置文件（此选项可能会重复）（string，default =“”）--help：打印出用法消息（bool，default = false）--print-args：打印命令行参数（到stderr）（bool，default = true）--verbose：详细级别（更高 - >更多日志记录）（int，default = 0）

注意：如果没有word_boundary.int 需要重新运行prepare_lang.sh生成。修改如下：

#原指令：
utils/prepare_lang.sh --position-dependent-phones false data/local/dict "<SPOKEN_NOISE>" \
data/local/lang data/lang
#改为：
utils/prepare_lang.sh data/local/dict "<SPOKEN_NOISE>" data/local/lang data/lang

启动后结果如下：

2. Command line to start the client（客户端启动方式）:

直接运行如下指令即可启动客户端：

 online-audio-client --htk --vtt localhost 5010 scp:test.scp

2.1 Arguments are as follow（参数意义）:

  • –htk - save results as an HTK label file
  • –vtt - save results as a WebVTT file
  • localhost - server to connect to
  • 5010 - port to connect to
  • scp:test.scp - list of WAV files to send
    启动后客户端不断传输数据，服务器实时进行解码！结果如下：

    结果是边传输边识别的：

* Command line to start the Java client（移动客户端）:

移动客户端我还未尝试：

java -jar online-audio-client.jar

Or simply double-click the JAR file in the graphical interface.

二、使用麦克风建立客户端与服务器的实时解码

kaldi提供了读取客户端麦克风数据的解码工具，可以在客户端使用麦克风发送音频，服务器实时返回解码数据。

1. 使用online-server-gmm-decode-faster启动服务器：

Usage: online-server-gmm-decode-faster [options] model-infst-in word-symbol-table silence-phones udp-port [lda-matrix-in]
Example: online-server-gmm-decode-faster --rt-min=0.3 --rt-max=0.5 --max-active=4000 --beam=12.0 --acoustic-scale=0.0769 model HCLG.fst words.txt '1:2:3:4:5' 1234 lda-matrix

配置选项：

选项：- 声学尺度：声学似然的缩放因子（浮点数，默认值= 0.1）--batch-size：无中断处理的特征向量数（int，default = 27）--beam：解码光束。更大 - >更慢，更准确。 （float，默认= 16）--beam-delta：解码器中使用的增量[模糊设置]（浮点数，默认值= 0.5）--beam-update：光束更新率（浮点数，默认值= 0.01）--cmn-window：壮举数量。运行平均CMN计算中使用的向量（int，默认= 600）--delta-order：delta计算顺序（int，default = 2）--delta-window：增量计算的参数控制窗口（每个增量顺序的实际窗口大小为1 + 2 * delta-window-size）（int，default = 2）--hash-ratio：解码器中用于控制散列行为的设置（float，default = 2）--inter-utt-sil：触发新话语的最大静音帧数（i​​nt，default = 50）--left-context：左上下文的帧数（int，default = 4）--max-active：解码器最大活动状态。 Larger->慢;更准确（int，默认= 2147483647）--max-beam-update：最大光束更新率（浮点数，默认值= 0.05）--max-utt-length：如果话语变得比这个帧数长，则可以接受较短的静音作为话语分隔符（int，default = 1500）--min-active：解码器最小活动状态（如果#active小于此值，则不要修剪）。 （int，默认= 20）--min-cmn-window：解码开始时使用的Minumum CMN窗口（仅在启动时添加延迟）（int，default = 100）--num-attempts：终止stream之前连续重复超时的次数（int，default = 5）--right-context：正确上下文的帧数（int，default = 4）--rt-max：近似最大解码运行时间因子（float，default = 0.75）--rt-min：近似最小解码运行时间因子（浮点数，默认值= 0.7）--update-interval：帧中的波束更新间隔（int，默认= 3）标准选项：--config：要读取的配置文件（此选项可能会重复）（string，default =“”）--help：打印出用法消息（bool，default = false）--print-args：打印命令行参数（到stderr）（bool，default = true）--verbose：详细级别（更高 - >更多日志记录）（int，default = 0）

2. 使用online-net-client启动客户端：

Usage: online-net-client server-address server-port Options:--batch-size                : The number of feature vectors to be extracted and sent in one go (int, default = 27)Standard options:--config                    : Configuration file to read (this option may be repeated) (string, default = "")--help                      : Print out usage message (bool, default = false)--print-args                : Print the command line arguments (to stderr) (bool, default = true)--verbose                   : Verbose level (higher->more logging) (int, default = 0)

引用：kaldi-asr

语音识别——kaldi - Online Audio Server（服务器客户端建立方法-旧版在线解码）相关推荐

  1. kaldi - Online Audio Server（服务器客户端建立方法-旧版在线解码）

    目录 一.服务器客户端识别系统建立方法 1. Command line to start the server(服务器端启动方式): 2. Command line to start the clie ...

  2. 使用zerotier planet自建服务器客户端配置方法

    1.客户端配置 客户端主要为Windows, Mac, Linux, Android 1.1 Windows 配置 1.在本页下载zerotier客户端 2.将 planet 文件覆盖粘贴到C:\Pr ...

  3. 关于通过外网连接内网SQL Server服务器的方法！

    近日,在论坛上看到sowant大侠发表的有关SQL Server远程连接的文章后,真的受益良多.一直以来困惑了已久的关于从外网如何连接到内网的SQL Server服务器上的方法,现已解决了,相信在论坛 ...

  4. 【Groovy】使用 Groovy 语言开发服务器 Server 和客户端 Client 套接字程序 ( 服务器客户端完整代码示例 | 运行服务器端与客户端效果及过程分析 )

    文章目录 一.服务器端完整代码 Server.groovy 二.客户端完整代码 Client.groovy 三.运行服务器端与客户端效果及过程分析 一.服务器端完整代码 Server.groovy 参 ...

  5. SQL Server 2005 在建立与服务器的连接时出错，错误26收藏

    今天在用VISIO反向工程时,突然无法链接SQL Server数据库了,错误代码如下 在建立与服务器的连接时出错.在连接到 SQL Server 2005 时,在默认的设置下 SQL Server 不 ...

  6. C#下如何实现服务器+客户端的聊天程序

    C#下如何实现服务器+客户端的聊天程序 最近也在接触SOCKET编程,在当今这样一个网络时代,很多技术都以网络为中心在诞生,至少我认为是这样的,而SOCKET套接字接口,在实现网络通讯上处于关键地位, ...

  7. redis 服务器/客户端安装与配置

    redis 服务器/客户端安装与配置 1 redis server 1.1 获取redis源码包 //官网 http://redis.io/ wget -c http://redis.googleco ...

  8. 拒绝亡羊补牢！SQL Server服务器安全防护！

             拒绝亡羊补牢!SQL Server服务器安全防护! 当今社会网络日益普及,人们彻彻底底感受到了它的无所不能,可就在人们享受它所带来便捷的同时,网络病毒.***也接种而来,不断有报道个 ...

  9. oracle服务器环境建立,oracle 透明网关环境的建立

    1.安装oracle 的transparent gateway 透明网关. 安装ORACLE 选择自定义安装, 然后再选择 安装透明网关,再进去选择  安装FOR SQLSERVER 的组件. 2.修 ...

最新文章

  1. Android--MP3播放器MediaPlayer
  2. shape(15,)与(15,1)的区别
  3. 学习opencv 英文版_电子课本：苏教牛津译林 | 高中英语模块2，赶紧收藏学习吧...
  4. 【.NET架构】BIM软件架构02：Web管控平台后台架构
  5. .Net Core 自定义配置源从配置中心读取配置
  6. 品牌的mysql数据库监控_zabbix实现mysql数据库的监控（四）
  7. 《前端十年心路》书稿规划
  8. Unity3D NGUI图文混排聊天表情
  9. python程序实现rep后剪枝算法
  10. ArcGIS各向异性计算
  11. 物联网应用层的关键技术有哪些
  12. 《私募股权基金投资基础知识》---第八章
  13. 洛谷B2095 白细胞计数(sort排序)
  14. [openEuler 21.9] 安装中文输入法、以及字体变成繁体切换
  15. linux内核版本和发行版本有何区别
  16. 洛谷 1417 烹调方案
  17. PCIe Switch
  18. 优思学院：从零基础成为六西格玛黑带？
  19. [响应式布局]响应式布局技巧
  20. JSP动态网页设计与JavaWeb编程

热门文章

  1. 阿里云免费SSL证书申请详细流程
  2. 手机寸照如何修改底色
  3. Qt下使用vs编译的库文件
  4. 缺少dll文件的终极解决办法！
  5. 解决D3DCompiler_47.dll文件丢失找不到问题
  6. IDEA连接阿里云物联网平台获取设备上传数据
  7. 陆奇-奇绩创坛-chatGPT新范式，新时代，新机会
  8. redis 修改默认端口号6379(Windows)
  9. 法国大数据：智慧城市中的大数据
  10. 如何根据SIM卡背面的10位序列号判断运营商，国家，地区，卡商