在Kaldi tutorial: Overview of the distribution中介紹了一個使用openfst的例子。先來介紹一下這個例子，再來說明FST(finite-state transducers,有限狀態(tài)機(jī))如何應(yīng)用到語音識別中。

首先有三個文件，text.fst、isyms.txt、osyms.txt。

text.fst文件的內(nèi)容為（請無視前面的行號）：

0 1 a x .5 0 1 b y 1.5 1 2 c z 2.5 2 3.5

前三行是FST中的弧（arc），格式為[ 起點(src)，終點(dest)，輸入標(biāo)簽(ilabel)，輸出標(biāo)簽(olabel) ，權(quán)重(weight)]；弧在文件中的順序可以交換，但是初始狀態(tài)的弧必須在第一行。最后一行為最終狀態(tài)的編號和最終狀態(tài)的權(quán)值。這個文件描述的是FST的結(jié)構(gòu)，根據(jù)這個文件可以得到下圖：

從上圖可以看出字符串a(chǎn)c到xz的轉(zhuǎn)換的權(quán)重為0.5+2.5+3.5=6.5.

關(guān)于這個圖的說明放一段openFst教程中的原話：The?initial state?is label 0. There can only be one initial state. The?final state?is 2 with final weight of 3.5. Any state with non-infinite final weight is a final state. There is an?arc?(or?transition) from state 0 to 1 with?input label?a,?output label?x, and?weight?0.5. This FST transduces, for instance, the string?ac?to?xz?with weight 6.5 (the sum of the arc and final weights). Note we have assumed the library default?Weight?type for this description.

isyms.txt文件內(nèi)容為：

<eps> 0 a 1 b 2 c 3

osyms.txt文件內(nèi)容為：

<eps> 0 x 1 y 2 z 3

isyms.txt和osyms.txt是輸入標(biāo)簽和輸出標(biāo)簽對應(yīng)的符號。因為FST的輸入標(biāo)簽和輸出標(biāo)簽在內(nèi)部都是用數(shù)字表示的，所以要有這么兩個符號表。可以使用任意的非負(fù)整數(shù)作為符號的ID。那個為0的標(biāo)簽ID是為epsilon標(biāo)簽保存的，epsilon是一個空字符串。上面的例子中并沒有用到epsilon這個標(biāo)簽，openFST的教程上面說以后會用到，具體干什么我也還不清楚。

以上內(nèi)容主要來自openFst官網(wǎng)的FstQuickTour。

?

總結(jié)

以上是生活随笔為你收集整理的语音识别学习记录 [kaldi中的openfst]的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。