Ma-Dan / asr-decode

从Kaldi中裁剪的轻量级语音识别解码推理框架，目前实现了MFCC+GMM+Viterbi，不依赖OpenFST、OpenBLAS等库

asr-decode

从 Kaldi 中裁剪的解码推理框架

实现

1. 不依赖OpenFST、OpenBLAS等库实现全部计算，便于学习和移植
2. 重现了基础的Viterbi解码(https://github.com/kaldi-asr/kaldi/blob/master/src/gmmbin/gmm-decode-simple.cc)

使用

./bin/main ./model/final.mdl ./model/HCLG.fst ./data/1_0_0_0_0_0_0_0.wav

备注:

1. model文件来源于yesno的基础示例
2. 从音频计算feature的过程等价于下面过程

#从wave计算mfcc(包含一次compress)
kaldi/src/featbin/compute-mfcc-feats --config=conf/mfcc.conf scp:data/test_yesno/wav.scp ark:- | kaldi/src/featbin/copy-feats --compress=true ark:- ark,scp:test_yesno.ark,test_yesno.scp

#从mfcc计算cmvn
kaldi/src/featbin/compute-cmvn-stats --spk2utt=ark:data/test_yesno/spk2utt scp:test_yesno.scp ark,scp:cmvn_test_yesno.ark,cmvn_test_yesno.scp

#应用cmvn到mfcc feature(包含一次add deltas)
kaldi/src/featbin/apply-cmvn --utt2spk=ark:data/test_yesno/split1/1/utt2spk scp:cmvn_test_yesno.scp scp:test_yesno.scp ark:- | kaldi/src/featbin/add-deltas ark:- ark:feat.ark

Todo

1. 其他解码方式和声学模型并优化，实现vosk-api的完整功能