卡尔迪模型服务器 Kaldi-model-server是用于TDNN链nnet3模型进行在线解码的简单Kaldi模型服务器。 它是用纯Python编写的，并使用将Kaldi作为库进行接口。 它主要用于使用真实麦克风进行实时解码，以及需要在本地进行实时语音识别（例如，听写，语音助手）或多个音频语音流的聚合（例如，解码会议语音）的单用户应用。 当前在与麦克风接口的设备上进行计算。 消息传递服务器和可以将到Web浏览器的事件服务器也可以在不同的设备上运行。 Kaldi-model-server可在Linux（最好是基于Ubuntu / DebianLinux）和Mac OS X上运行。由于redis支持，因此可以轻松地将其与您喜欢的编程语言实时地与解码语音输出进行交互。 出于演示目的，我们添加了一个简单的演示示例应用程序，该应用程序将基于Python的事件服务器与 （event_server

4.8 在线识别 （@冒顿翻译） 在kaldi 的工具集里有好几个程序可以用于在线识别。这些程序都位在 src/onlinebin文件夹里，他们是由src/online文件夹里的文件编译而成(你现在可以 用make ext 命令进行编译).这些程序大多还需要tools文件夹中的portaudio 库文 件支持， portaudio 库文件可以使用tools文件夹中的相应脚本文件下载安装。 这些程序罗列如下： online-gmm-decode-faster: 从麦克风中读取语音，并将识别结果输出到控制台 online-wav-gmm-decode-faster:读取wav文件列表中的语音，并将识别结果以指 定格式输出。 online-server-gmm-decode-faster:从UDP连接数据中获取语音MFCC向量，并将 识别结果打印到控制台。 online-net-client :从麦克风录音，并将它转换成特征向量，并通过UDP连接发 送给online-server-gmm-decode-faster

PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。 DNN部分由PyTorch管理，而特征提取，标签合成则由PyTorch-Kaldi语音识别工具包PyTorch-Kaldi是一个开放源代码存储库，用于开发最新的DNN / HMM语音识别系统。 DNN部分由PyTorch管理，而特征提取，标签计算和解码则由Kaldi工具包执行。 该存储库包含PyTorch-Kaldi工具箱的最新版本（PyTorch-Kaldi-v1.0）。 要查看以前的版本（PyTorch-Kaldi-v0.1），请单击此处。 如果您使用此代码或部分代码，请

用于kaldi tools编译

官方直接下载的CLAPACK是不能编译so动态库文件的，这里集成了Android编译所需的mk文件，可以直接通过ndk编译。

TIMIT TRAIN数据集DR2， 已转换为WAV格式，包括每条语音的标注。

个人基于Kaldi，开发的安卓端，离线语音识别Module。该模块是从我的安卓项目组件库中抽取出来，可独立测试运行的离线语音识别组件。 感觉实用，请关注博客。将开源更多的个人组件库。

docker-kaldi-gstreamer-server kaldi 。 概要 此 dockerfile 自动构建主服务器和工作服务器，这些服务器在来自 Tanel Alumäe 的解释，并由他自己在。 使用此项目，您将能够在几分钟内运行自动语音识别 (ASR) 服务器。 注意力 这里将设置的 ASR 服务器需要一些。 在我将在下面详细介绍的 docker 图像中，不包含 kaldi 模型。 您的机器上必须有这些模型。 您还必须有一个描述这些模型的 yaml 文件。 请、和查看一些示例，以了解如何编写您自己的 yaml 文件。 有一些 kaldi 模型可供下载。 我测试了我的设置与此，这是英语。 我正在尝试为巴西葡萄牙语构建模型，但直到现在我还没有找到足够的免费/开放资源。 安装码头工人 请参考 。 获取图像 从 Docker Hub 拉取镜像（~ 900MB）： docke

chime3cnn 用于CNi-DNN评估CHiME-3数据的Kaldi脚本

安装kaldi必备依赖 openfst-1.6.7.tar.gz sctk-20159b5.tar.gz sph2pipe-2.5.tar.gz cub-1.8.0.tar.gz