kaldi

收录理由

Kaldi 是语音研究领域许多人入门时接触的第一套工具包，即便到今天，它依然能胜任不少新框架覆盖不到的生产任务。整个流程都用 C++ 写成，从特征提取、基于 GMM 和神经网络的声学模型训练，到有限状态转换器解码，再到说话人识别与验证，全部以命令行程序形式提供，脚本化调用非常干净。它最突出的地方在于附带的示例配方，能一步步带你从原始音频语料走到可用的识别系统，适合真正理解 ASR 原理，而不是把它当黑盒。Apache 许可证和模块化设计让很多商业系统在它之上构建，其中的解码器和矩阵库等部分至今仍被新工具包沿用。如果你需要训练自定义声学模型、把现有模型适配到新语言或新领域，或者做说话人识别，Kaldi 都是一个扎实且文档完善的起点。