重磅干货，细致入微AI大道理

——————

三音子模型词错误率为：36.03%，对比单音素模型词错误率为50.58%。

可见三音素模型识别率已经有了提高。

不管模型识别率怎么样，先利用三音子模型搭建一个中文在线识别系统看看效果。

在线识别与离线识别

本文主要搭建在线语音识别，还有一种离线语音识别，两者有什么区别呢？

在线语音识别拥有较高的识别率，由于要链接网络，导致响应速度相对较慢。

离线语音由于在本地识别，响应速度快，但是识别率却相对较低。

基于录好的语音的在线识别系统

1）安装portaudio

PortAudio是一个免费、跨平台、开源的音频I/O库。

PortAudio操作的I/O不是文件，而是音频设备。

PortAudio的API非常简单，通过一个一个简单的回调函数或者阻塞的读/写接口来录制或者播放声音。

在安装Kladi的时候，tools文件夹下有安装portaudio的脚本文件。

在tools文件夹下，执行：

./install_portaudio.sh

安装好后，cd到src下面，执行：make ext。

2）创建系统目录

从kaldi的实例voxforge中把online_demo拷贝到thchs30下，和s5同级。

在online_demo下新近online-data和work两个文件夹。

在online-data下新建audio和models。

audio放要识别的wav，将thchs30-openslr中的test文件夹下的前五个拷贝过来，就是要识别的wav格式的语音了。

同时新建一个trans.txt空文件。

models下新建tri1，把s5/exp/tri1下的final.mdl和35.mdl拷贝过去，把s5/exp下的tri1下的graph_word里面的words.txt和HCLG.fst也拷过去。

3）修改run.sh

注释掉下载语料的代码

修改模型类型

修改调用解码识别程序的参数

识别麦克风语音的代码：

识别已经录好的语音代码：

4）系统运行

cd到online_demo下面，执行./run.sh。

识别结果：

真正结果（标签）：

可见识别结果有一定出入。

基于麦克风输入的语音在线识别系统

cd到online_demo下面，执行./run.sh --test-mode live。

问题：

PortAudio failed to open the default stream

解决：

1）检查linux系统录音功能是否可用:arecord -d 10 test.wav。
2）检查portaudio是否安装成功。
进入kaldi/tools目录 cd kaldi/tools
重新安装 ./install_portaduio.sh
如果之前安装过一遍，一定要先进入tools/portaudio，然后make clean，否则没有用。

有些时候一些依赖没有也会安装，但是程序不可用，可以进入kaldi/tools/portaudio，然后./configure，通常情况alsa显示no，通过sudo apt-get install libasound-dev可以解决。
3）检查online-wav-gmm-decode-faster是否使用第二步编译出来的库，通过情况会因为之前编译过一遍，所以即使portaudio重新编译了，online-wav-gmm-decode-faster还是没有链接到新的库，可以使用ldd online-wav-gmm-decode-faster查看。
进入kaldi/src/online和kaldi/src/onlinebin，分别make clean ,make就完美解决。

总结

本文调通了中文语音在线识别系统，包括wav作为输入的语音识别和麦克风作为输入的语音识别。

识别的模型使用三音素模型。

该系统会一直进行识别，后期考虑做个唤醒系统。