语音识别领域的开源框架有CMUSphinx、HTK、Kaldi等等，而目前仍然比较活跃，且工程价值较高的就数Kaldi，很多从事语音方面的公司，都使用该框架训练自己的语音识别能力，由于其内部代码逻辑较为复杂，故这里一步一步来解读，了解语音识别的内部原理，并期望自定义，实现业务场景下的语音识别、语音唤醒等引擎。

一、准备工作

学习kaldi需要一定的语言基础，尤其是C++，基本上工具以及代码都是基于C++语言实现起来的，所以它相对python等语言还是有一定的门槛，大家在学习工作中，多读多写。从事算法研究方向，对于这门语言还是硬要求的，算法的工程化实现最好也是用C/C++来实现，确保性能。

硬件：x86_64 服务器一台（32C 128G），没有条件的小伙伴可以用PC机或虚拟机环境（编译及运行速度较慢）

操作系统：CentOS7.4 64bit

二、Kaldi下载

一般开源组件都在使用git作为版本控制，Kaldi也不例外，版本放在github上进行代码管理

先安装git工具

# yum install git

下载Kaldi源码

# git clone https://github.com/kaldi-asr/kaldi.git

三、Kaldi编译

kaldi下载完成后，需要先编译其依赖的第三方组件，一般在tools目录下，其安装脚本依赖系统命令，请提前自行安装automake、autoconf、libtool、g++、wget

# cd tools
# make

执行后会依次安装openfst、mkl、sctk、sph2pipe等工具，实际在编译过程中会出现报错，主要是由于sctk代码使用c++11，手动添加编译标志c++11

make[2]: 进入目录“/home/songwang/kaldi/tools/sctk-20159b5/src”
(cd asclite && if test -f makefile ; then make all ; fi)
make[3]: 进入目录“/home/songwang/kaldi/tools/sctk-20159b5/src/asclite”
(cd core && if test -f makefile ; then make all ; fi)
make[4]: 进入目录“/home/songwang/kaldi/tools/sctk-20159b5/src/asclite/core”
g++ -c  -DPACKAGE_NAME=\"\" -DPACKAGE_TARNAME=\"\" -DPACKAGE_VERSION=\"\" -DPACKAGE_STRING=\"\" -DPACKAGE_BUGREPORT=\"\" -DHAVE_LIBM=1 -DSTDC_HEADERS=1 -DHAVE_SYS_TYPES_H=1 -DHAVE_SYS_STAT_H=1 -DHAVE_STDLIB_H=1 -DHAVE_STRING_H=1 -DHAVE_MEMORY_H=1 -DHAVE_STRINGS_H=1 -DHAVE_INTTYPES_H=1 -DHAVE_STDINT_H=1 -DHAVE_UNISTD_H=1 -DHAVE_UNISTD_H=1 -DHAVE_STRING_H=1 -DHAVE_STDIO_H=1 -DHAVE_STDLIB_H=1 -DHAVE_MATH_H=1 -DHAVE_TIME_H=1 -DHAVE_ASSERT_H=1 -DHAVE_FLOAT_H=1 -DHAVE_LIMITS_H=1  -I. -w -march=native  -w -march=native recording.cpp
In file included from /usr/include/c++/4.8.2/array:35:0,
                 from sgml_reportgenerator.h:29,
                 from recording.h:35,
                 from recording.cpp:24:
/usr/include/c++/4.8.2/bits/c++0x_warning.h:32:2: 错误：#error This file requires compiler and library support for the ISO C++ 2011 standard. This support is currently experimental, and must be enabled with the -std=c++11 or -std=gnu++11 compiler options.
 #error This file requires compiler and library support for the \
  ^
make[4]: *** [recording.o] 错误 1
make[4]: 离开目录“/home/songwang/kaldi/tools/sctk-20159b5/src/asclite/core”
make[3]: *** [all] 错误 2
make[3]: 离开目录“/home/songwang/kaldi/tools/sctk-20159b5/src/asclite”
make[2]: *** [all] 错误 2
make[2]: 离开目录“/home/songwang/kaldi/tools/sctk-20159b5/src”
make[1]: *** [all] 错误 2
make[1]: 离开目录“/home/songwang/kaldi/tools/sctk-20159b5”
make: *** [sctk/.compiled] 错误 2

修改方式为src下Makefile文件，增加-std=c++11标志：

SCTK_CXFLAGS = -w -march=native -std=c++11

依赖组件安装完成后，进入src源码编译静态库及工具，这里关闭cuda，不使用GPU，不设置的话默认开启

# cd src
# ./configure --use-cuda=no --static

执行完后生成Makefile文件，但是这里为了便于后续其他动态库集成Kaldi静态库，加入-fPIC标志，修改Makefile文件：

CXXFLAGS = -fPIC -std=c++11 -I.. -isystem $(OPENFSTINC) -O1 \

执行编译操作，耗时较久，可以使用多进程编译方式，服务器环境下相对速度较快

# make depend -j 32
# make -j 32

编译完成后，可以把相关的文件拷贝出来，静态库如下：

# find src/ -name *.a | xargs -i cp {} /data/kaldi/lib_x64

头文件使用shell脚本拷贝，具体实现方式可自行根据实际情况考虑：

output=$1
dir=`pwd`
filelist=`ls $dir`
for file in $filelist:
do
	if [ -d $file ];then
		echo $file
		cd $file
		mkdir -p $output/$file
		cp -f *.h $output/$file
		cd ..
	fi
done

至此，Linux x64环境下的组件编译完成，笔者也编译了一套arm aarch64平台下的Kaldi库，相对坑比较多，后续有时间再更新

 

 

标签：src,sctk,kaldi,make,Kaldi,编译,DHAVE,-----
来源： https://blog.csdn.net/Leo_ustc/article/details/110433790