# chain_align

**Repository Path**: huangyunting/chain_align

## Basic Information

- **Project Name**: chain_align
- **Description**: chain_align对齐模型
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-04-29
- **Last Updated**: 2022-11-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# chain_align README

- INSTALL  
    - build virtual env(python >= 3.7)  
    - install requirements  
        `pip install -r requirements.txt`

- 数据准备: 参见data-example  
    - 数据文件结构  
```
    BBSpeech
    ├── dict——<font color=red>发音字典目录</font>
    │   └── lexicon.txt
    ├── wav.scp——<font color=red>wav列表</font>
    ├── text——<font color=red>音素标注</font>
    ├── utt2spk——<font color=red>说话人信息</font>
    └── textgrid.scp——<font color=red>baseline标注</font>
```

    - data-process, 准备数据文件：wav.scp、text、utt2spk:\
        wav.scp:\
            utt-id utt-path(absolute path)
        
        text:\
            utt-id phone1 phone2 ...
        
        utt2spk: \
            utt-id spk-id\
            若无spk信息，或无需对spk进行适应性处理，则\< utt-id utt-id >

        若有oov词
        - 根据lexicon.txt生成分词词典，`sed 's/\s.*$/ 1/' lexicon.txt > seg.dict`

        - 对corpus.txt进行分词，`python3 local/seg_word/segmentword.py seg.dict corpus.txt corpus.seg oov_file`

          corpus.seg即为分词结果，oov_file为含有oov的语料行，此文件对应的语料将不能用来训练，如过多需考虑修改lexicon.txt增加oov的发音

        - 根据corpus.seg将wav.scp中含oov的音频过滤掉```python3 tools/filter_scp.py corpus.seg wav.scp wav.scp.new```

    - baseline-corpus
        textgrid.scp:\
            utt-id textgrid-path(absolute path)

    - lexicon.txt\
        在音素基础上，添加静音(SIL sil)及oov(# spn)标记，见example

- kaldi\
    https://github.com/kaldi-asr/kaldi\
    若克隆速度较差：可使用各服务器下huangjunjie/bak/kaldi_*.tar.gz

    - install
        - follow $KALDI/tools/INSTALL\
            extras/check_dependencies.sh\
            make -j 24\
        - follow $KALDI/src/INSTALL\
            ./configure --shared\
            make depend -j 24\
            make -j 24
- 训练
    - 修改path.sh\
        line 1: export KALDI_ROOT=$KALDI_PATH\
    - 修改conf文件下mfcc.conf、fbank.conf\
        --sample-frequency=48000 // 与训练数据采样率相同\
        --frame_length=10\
        --frame_shift=4

    bash run.sh [options] \<data-name> \<data-dir> \<dict-path> \<out-dir> [\<log-dir>]\
        --nj 24(default)\
        --gpu_mode true(default, "wait" for only one gpu usable.)

    - run.sh流程
        stage1: feature-extract\
            修改conf文件下mfcc.conf、fbank.conf在此使用\
        stage2: prepare dict/lang\
        stage3: train gmm-hmm\
        stage4: train chain\
            --gpu_mode=[true/wait]，训练中会2个epoch使用一块gpu，若unbusy_gpu >= 4(default)/2 = 2，使用true，否则使用wait\
        stage5: align to textgrid\
            $data_path/textgrid.scp若存在，则对对齐结果进行评估，生成result_diff.txt、large_diff.txt及diff.png