最近开始接触语音识别，又在师兄那里了解到kaldi这个模型，于是就想着去试验一下，找找感觉。好了，废话不多说。干就完了！！！期间遇到了不少问题，于是就将内容记录了下来。

1.准备一个ubuntu环境

方式很多,这里我列出了四种，其中本人推荐使用方式3：

方式1：我使用的是vm$创建的虚拟机$，当然大家也可以使用VitureBox创建，本质都一样，没啥差别。经过测试，在虚拟机中创建就很容易出现虚拟网络停止服务的问题,不光如此，在编译成功之后也是会出现很多问题呀。
方式2：如果你是win10系统的话，也可以使用$win10自带的ubuntu子系统$功能,需要在应用商店下载ubuntu即可。但是考虑到后续的可持续性，还是建议使用方法3.
方式3：装一个$ubuntu的双系统$来进行实验，步骤还是一样的，但是这里环境搭建的过程我还是采用的之前的截图。对于后边的例子验证部分，我将会采用双系统的内容操作。这里我没有展示双系统的搭建过程，网上有很多教程，大家可以自行搜索。
方式4：$将电脑的win系列系统改为ubuntu系统$，而不是双系统共存。

2.下载前的准备

2.1 安装必要的依赖库

 sudo apt-get install git wget make

其执行结果如下：

2.2 官网下载kaldi

首先放出官网的下载文档：参考网址

也可直接使用如下下载命令：

git clone https://github.com/kaldi-asr/kaldi.git kaldi-trunk --origin golden

以下就是下载结果：

结果显示失败，老是不成功或者网络链接失败，所以我就在别的地方下载了下来，然后将文件上传到虚拟机。就不非得在一棵树上吊死了。如果大家也遇到了下载困难的问题，可以下载我保存在百度云盘的内容：

好了下载完成后将文件夹改名字

mv kaldi-trunk kaldi
ls

3.源文件编译及依赖安装

3.1 编译MKL

在编译之前首先介绍一下MKL是干啥的吧：
MKL全称是Intel Math Kernel Library也称作英特尔数学核心函数库，用于提供经过高度优化和大量线程化处理的数学例程，面向性能要求极高的科学、工程及金融等领域的应用。MKL是一款商用函数库，提供C、Fortran、Fortran 95的支持，但是仅支持Intel自家旗下的CPU。

cd kaldi/tools/extras/
ls
./check_dependencies.sh 

执行之后就会查看到这里边进行编译需要安装的依赖，此处是我的返回结果，不同的机器其结果或许不同，单操作方法一致。

这里它已经给出了下载的语句，就是上边红框标识的部分，我们就需要执行以下命令进行一下安装。

sudo apt-get install zlib1g-dev automake autoconf sox gfortran libtool subversion
#再次查看一下依赖是否都安装好了
./check_dependencies.sh

其结果如下，还需要我们自己编译一个Intel MKL的文件

上图中红框部分给出了编译安装的语句，执行以下语句以安装

sudo apt-get update
#在执行下一步之前先检测一下upadte是否可以进行，如果出现类似于错误4.1，也好直接解决了！
sudo ./install_mkl.sh
#注意这里一定加sudo获取最高权限啊，我就是因为没加sudo,重复了此步骤两次，血的教训啊，如果不加，后边编译的时候会提示某些文件权限不够，而终止编译

这是其编译过程：

如果此处出现格式错误，可见4.2解决方案。
这里文件编译比较大，需要152M，所以下载过程和编译过程或许就挺长时间的。

执行中间需要设置一下，输入N，此过程是在虚拟机的编译过程中出现的，后来我又重新尝试的ubuntu16.04的双系统中我并没有看到这个选项。

在这里插入图片描述，此过程一样是在虚拟机的编译过程中出现的
中间还需要下载572M大小的文件去升级，如下所示：

执行成功之后会出现如下图所示，显示安装mkl成功

再次检查还需要啥以来，双系统也没有出现这个问题，这个问题仅在ubuntu的虚拟机中出现

不知道为啥这个之前安装了的，又给卸载了，好吧这里再重新来一下吧

最后再来检查一下，出现这个结果说明都已经编译好了。

3.2编译Tools

首先说明一下，该tools文件夹下都是kaldi所要依赖的包，其中也就主要包括以下几个内容：

1. OpenFST (Weighted Finite State Transducer library):是用来构造有限状态自动机的库。我们知道隐马尔可夫模型就可以看作一个有限状态自动机的，这也是编译过程需要的一个比较重要的一个包。
2. ATLAS:这是一个在C++下的线性代数运算库。在机器学习中是经常需要进行矩阵运算的。
3. IRSTLM:这是一个统计语言模型的工具包
4. sph2pipe:这是宾夕法尼亚大学 Linguistic Data Consortium(LDC)开发的一款处理sphere_formatted数字音频文件的软件，它可以将LDC的sph格式的文件转换成其他格式。

以下就是其编译的过程计结果：

cd ..
sudo make -j 2
#解释一下，这里的2，表示的是处理器的数目，因为我此次编译使用的是一个比较老的机器，只有两个处理器
#具体的数目大家可以根据自己电脑而定

其结果如下所示：


编译结果如下所示：

注：此过程也需要十几分钟,具体多长时间根据电脑处理器的编译速度。
因为在编译过程中会向tools文件夹下下载以下四个文件，于是，但是下载过程或许不会顺畅，于是我就把我下载完的文件整理到了百度 网盘。这样对于后边的也比较方便。
链接：https://pan.baidu.com/s/1tYZiTWfnxUnJ1eT0cLQC4w
提取码：w3vy
里边文件是这四个，如下所示：

3.3 编译src

这里边啊存储的是Kaldi的一些源代码，还有一些语音识别算法的算法编译，也是整个kaldi的核心部分。

cd ..
cd src
cat INSTALL
#用于查看需要执行的步骤，一下就是执行这句后的结果
./configure --shared
make depend -j 8
make -j 8
#这里8的意思与上边的意思一致，当你的数目大于本机器的处理器数目时，
#它会使用默认的一个处理器进行编译及运算。

执行cat INSTALL命令查看安装的步骤及流程

我们可以看到，这里其实是已经给了接下来的操作步骤的
那我们就按照这个流程来走。

make depend -j 8
#可以根据自己的电脑适当修改处理器数目

正确结果：

make -j 2
#可以适当修改处理器数目

漫长的等待，我编译了两个多小时，将近三个小时。注，这个需要消耗的时间也与处理器的个数和处理器的能力相关，因为我的电脑有点渣，所以消耗时间比较长，其中出现错误详见4.6和4.7
注，在使用双系统编译的过程中并没有出现4.6，4.7的错误

4.出现问题

注：如果你使用的是双系统进行编译安装的kaldi环境，或许此章节的问题你不会出现，因此可以选择性忽略，以下问题可能会在虚拟机的编译过程中出现。哈哈~~咯

4.1 Err:AppStream cache update completed, but some metadata was ignored due to errors.

在执行sudo apt-get update的时候出现错误，如下所示：

解决办法：

sudo rm /var/lib/dpkg/lock

4.2 sh脚本文件格式错误及解决方案

形式1：

形式2：

形式3：

解决方案：参考地址

4.3 Err:Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)

错误形式：

解决方案：

参考网址：参考网址地址链接

4.4 解决虚拟机访问谷歌的问题

错误描述：

+ apt-key --keyring /usr/share/keyrings/intel-sw-products.gpg add -

在文件的下载过程中需要一些文件支持，这就需要技术支持。
解决方案：点进去试试

4.5 DNS解析错误

参考方案，不知道奏不奏效

4.6

再执行make depend -j 8的时候可能会出现问题如下所示

其实这个的解决方案和4.2一致，解决此问题，我们只需要再重新编辑一下以下文件即可

4.7 编译出错寻找错误

说明这里在执行make命令的时候出错了，我们可以去找出里边的错误，看看对应文件夹下的Makefile文件，并且查看里边的make命令，是否存在运行.sh文件的内容，如果存在，就再去按照错误4.2去修改。

4.8 version.h报错

编译时报错说版本信息出错，网上也找不到任何同样的错误，其内容如下：

我的解决办法就是将这两个地方对应行的代码注释掉，我实在找不到其它好的方法。

5.测试例子

说明：后来进行了验证，发现还是有错误，于是就又把上边的步骤在我的双系统ununtu上进行了测试。

5.1 测试例子yesno

该例子内的训练样本都是.wav格式的音频文件，是一个老男人连续不断的说yes或者no,每个wav文件说八次，其中文件名字是由0和1组成的8位数字序列，

0代表的是no
1代表说的yes

这个简单的例子没有单独的标注文件，而是直接采用的这个方法来对文件进行命名的。
接下来就是这个例子的测试环节了：

cd ..
ls
cd egs/yesno/s5
ls
./run.sh

这是执行run.sh文件后的执行结果，它首先会连接kaldi官网下载yesno例子的wav文件，然后再对其进行训练和识别：

其运算中间过程如下所示;

最后很快就会出现其对于yesno的识别结果：

我们在最后的结果中可以看到显示WER 0.00,表示其识别结果还是 非常准确的。那么或许我们又会疑问，WER代表的是什么意思呢？
WER（Word Error Rate）代表的是字错误率,是衡量语音识别系统的准确程度的标准。其计算公式为
$$WER=\frac{(I+D+S)}{N}$$
其中各字母含义如下所示：

I 代表被插入的单词个数
D 代表被删除的单词个数
S 代表被替换的单词个数
N 代表总共的单词个数

简单的理解就是把识别过程中出现的多认的、少认的、认错的单词数加起来，除以总共测试的单词总数。按照我们的识别要求来说的话，这个数越小越好。

6.总结

对于这个kaldi环境的搭建确实走了不少弯路，从一开始的使用vm虚拟机搭建，再到win10子系统，然后再到双系统的安装，其中在双系统的安装过程也遇到不少挫折，一度以为要失去windows上的全部学习资料，变得恐慌不已，好在后来找到了方法恢复了win10系统，后来也是不停的找原因。
多方查阅资料才得知，原来是和自己的笔记本电脑的品牌有关，因为我的笔记本电脑品牌为战神，显卡为GTX960M，在自己的笔记本电脑中安装双系统很多次都未能成功，到最后反倒学会了给别人装双系统。说起来也算是“因祸得福”。哈哈~~
寒假回到家后，正值肺炎疫情无法走亲访友，坐在屋里也只能在默默的为武汉人民祈福，为全国人民祈福，索性不如将家中的老电脑拿来重新搞个双系统，没想到竟然一次成功。趁着这股热乎劲，就将这篇博客完善了一下，并发表了出来。希望对于自己后面的探索有些帮助。加油~，奥里给！！！

7.参考博客

感谢一下博客对于此篇博客的帮助，没有这些博客给予的帮助，我相信我到现在也很难搭建成功kaldi环境。

1.Kaldi的下载安装与编译
2.实例yesno和timit的应用
3.Kaldi 安装与简介