AIBigKaldi（九）| Kaldi的解码搜索（源码解析）
作者：互联网
本文来自公众号“AI大道理”。
构建了HCLG解码图后，解码就是在这个图上寻找一条最优路径。
最优路径上去除epsilon后的输出标签序列就是单词级别的识别结果。
（本篇主要解析kaldi源码实现，详细算法原理请阅读：
1 解码
5 decode.sh
源码解析：
过程之道：
2 Viterbi静态解码
先看最基础的Viterbi解码gmm-decode-simple.cc。
功能：
使用基于GMM的模型对特征进行解码。
采用维特比算法进行解码，仅产生线性序列。
产生的任何lattice都是线性的，即只有一个解码结果。
输入：GMM声学模型、HCLG.fst解码图、测试语音声学特征
输出：解码结果（词序列、对齐序列、lattice）
过程之道：
1）解码第一帧时，从状态节点0出发，首先进行ProcessEmitting处理的发射状态转移弧，节点0转移到节点3、2、6。接着ProcessNonemitting沿着虚线非发射转移弧将6传播到同一时刻下的状态节点1。
2）解码第二帧时首先切换Token列表，把cur_toks列表转变到pre_toks列表后，将cur_toks置空。然后再进行ProcessEmitting、ProcessNonemitting。
3）随着时间的推移，帧的进行，到达最后一帧，选择最低累计代价的Token，然后以次Token回溯最优路径。
kaldi的gmm-decode-simple实现了这个过程。
函数解析：
-
decoder.Decode(&gmm_decodable)
解码过程：
-
DecodableAmDiagGmmScaled gmm_decodable(）
根据声学模型，计算出某一帧的声学分数。
声学得分是通过高斯混合概率密度函数计算得到的。
-
GetBestPasth()
根据最后一个token进行回溯，得到解码结果。
把结果放到这个词格中，词格中是单一路径。
-
GetLinearSymbolSequence(decoded,NULL,&words,NULL)
从线性词格中取出结果，写入到words中。words中是word ID，要根据词典把id真正转化为单词序列，得到最后的结果。
3 Lattice静态解码
5.1 gmm-latgen-faster
功能：
解码识别：基于GMM模型生成lattices网格，保留N-best路径。
（不能保证viterbi给的最优路径就是真正的对的路径）
源码解析：
过程之道：
lattice生成的解码结果并非单一路径，而是N-best路径。
在每次令牌传递过程中，lattice也像viterbi解码那样删除旧令牌的方法来生成，而是通过独特的ForwardLink前向链接机制来生成lattice。
前向链接ForwardList与转移弧不同，用来链接前后两帧之间的发射转移弧之间的Token，或同一时刻非发射转移弧之间的Token。
基于WFST的Lattice静态解码过程：
kaldi中的gmm-latgen-faster实现了lattice解码。
函数解析：
其中解码、回溯部分、写入文件部分也包含在这个函数内。
-
decoder.Decode(&decodable)
进行解码。
令牌传递：
LatticeDecode并不是向viterbi解码那样传递令牌本身，而是在创建新令牌后，使用一个前向链接把令牌链接起来。
4 诊断评分
最后从所有错误率中找到最低的那个错误率。
Kaldi的YesNo实例解码识别错误率0%。
其中 N 是 num总数,C 是 corr 准确数,S 是 sub 替换错误,D 是 Del 是删除错误,I 是 INS 插入错误。
5 解码结果
解码识别部分结果。
6 总结
在YesNo实例中，kaldi进行了数据准备、特征提取、单音子模型训练、构造HCLG.fst解码图、利用解码图进行lattice解码识别等一系列步骤。
一个问题：
单音子模型的假设是一个音素的实际发音与其左右的音素无关。
这个假设与实际并不符合。
由于单音子模型过于简单，识别结果不能达到最好，因此需要继续优化升级。
就此引入多音子的模型。
最为熟悉的就是三音子模型，即上下文相关的声学模型。
下期预告
往期精选
AIBigKaldi（六）| Kaldi的单音子模型训练（下）
AIBigKaldi（五）| Kaldi的单音子模型训练（上）
AI大语音（十四）——区分性训练
AI大语音（十三）——DNN-HMM
AI大语音（十二）——WFST解码器（下）
AI大语音（十一）——WFST解码器（上）
AI大语音（十）——N-gram语言模型
AI大语音（九）——基于GMM-HMM的连续语音识别系统
AI大语音（八）——GMM-HMM声学模型
AI大语音（七）——基于GMM的0-9语音识别系统
AI大语音（六）——混合高斯模型（GMM）
AI大语音（五）——隐马尔科夫模型（HMM）
AI大语音（四）——MFCC特征提取
AI大语音（三）——傅里叶变换家族
AI大语音（二）——语音预处理
AI大语音（一）——语音识别基础
——————
浅谈则止，细致入微AI大道理
扫描下方“AI大道理”，选择“关注”公众号
—————————————————————
—————————————————————
标签：AIBigKaldi,AI,解码,Kaldi,源码,语音,模型 来源： https://blog.csdn.net/qq_42734492/article/details/111879996