如何在kaldi平台中添加新单词或词汇？

Question

我正在尝试使用现有的预训练模型创建ASR system作为样本。我陷入了一个如何在训练有素的模型中添加新单词的地方，以便下次正确地返回单词;某种机器学习的概念。任何想法都会有所帮助。

Answer 1

您可能需要两件事：

1. Lexicon：尝试在数据文件夹中找到类似lexicon.txt的内容，在其中添加您的文字和相应的电话序列，例如：

   speech s p iy ch
   the dh ax
   the dh iy
   

2. 语言模型：在数据文件夹中找到类似XXX.lm的内容，以1-gram的形式添加单词，例如：

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

然后，根据这2个新文件再次生成解码器HCLG.fst。

注意：语言中的数字会使语音识别的结果不同，您需要选择正确的数字，或使用工具包srilm通过语料库的文本生成它。