如何在kaldi平台中添加新词或词汇

Question

我正在尝试创建一个ASR system，其中现有的预训练模型可用作示例。我陷入了一个困境，如何在训练好的模型中添加新单词，以便下次正确返回单词；某种机器学习概念。任何想法都会有所帮助。

Answer 1

您可能需要两样东西：

1. Lexicon：试着在你的数据文件夹中找到类似lexicon.txt的东西，在其中添加你的单词和相应的电话序列，比如：

   speech s p iy ch
   the dh ax
   the dh iy
   

2. 语言模型：在你的数据文件夹中找到类似XXX.lm的东西，在1克中添加你的单词，并附上概率，比如：

   data
   ngram 1=200
   ngram 2=4000
   ...
   1-grams
   -7.3241 the
   ...
   

在此之后，基于这两个新文件再次制作解码器HCLG.fst。

注意：语言中的数字会使语音识别的结果不同，您需要选择一个合适的数字，或者使用工具包srilm根据语料库的文本生成。