AIBigKaldi（二）| Kaldi的I/O机制（源码解析）
本文来自公众号“AI大道理”。
作为传统语音识别神器，kaldi拥有自己一套独特的输入输出机制。
先来感受一下吧。
feats="ark,s,cs:apply-cmvn $cmvn_opts --utt2spk=ark:$sdata/JOB/utt2spk scp:$sdata/JOB/cmvn.scp scp:$sdata/JOB/feats.scp ark:- | add-deltas $delta_opts ark:- ark:- |"
咋一看，这是什么鸟语？花香！
1 文件I/O机制
Kaldi采用一种扩展的文件名进行输入输出。
读取文件的文件名称为rxfilename，写入的文件名称为wxfilename。
xfilenames，是一个字符串，表示由Input类进行解析的扩展文件名称，代表读。
wxfilenames，是一个字符串，表示由Ouput类进行解析的扩展文件名称，代表写。
特点：
-
在rxfilename/wxfilename 处采用“-”来表示标准输入输出。
-
rxfilename/wxfilename可以使用管道命令，比如先用gunzip将压缩文件解压，再输入到Kaldi程序中，即可在文件输入路径处填入“gunzip -c foo.gz|”。
-
rxfilename/wxfilename后可以通过“:”来描述偏移量，如“foo:1045” 表示从foo文件偏移1045个字节开始读取。
-
使用–binary=true/false来控制是否使用二进制输出。默认是true。
文件读写机制
文件的读写采用 Input/Output 类。
2 表格I/O机制
对于一系列数据的集合，Kaldi 采用表格形式来表示。
表格中，以没有空格的字符串为索引。
Kaldi 中，称从表格文件中读取的一个字符串为 rspecifier， 写入表格文件的一个字符串为wspecifier。
Table类需要一个传递给构造函数或Open方法的字符串。如果传递给TableWriter类，则此字符串称为wspecifier。
传递给RandomAccessTableReader或SequentialTableReader类，则称为rspecifier。
有两种表格文件格式：archive （.ark）和 script （.scp）。
其中：
rspecifier和wspecifiers的选项说明
表格(Table)读写
对于表格文件（scp，ark），Kaldi 定义了专门的表格读写器。
表格读写器是关于 Holder 类的模板类。
Holder 是一些辅助类，负责告诉表格读写器，对象的类型是什么，应该如何读写。
表格读写器有四个类：RandomAccessTableReader 、 SequentialTableReader 、
TableWriter 、 RandomAccessTableReaderMapped 。
Sequential 表示序列化访问，即支持使用迭代器遍历；Random 表示随机访问某几个。
读写的时候，需要提供 wspecifiers/rspecifiers 给读写器。
3 命令行I/O机制
命令行 I/O 是指在 shell 上调用编译好的 Kaldi 工具的方法。
命令行I/O机制实例
4 代码级I/O机制
/kaldi-trunk/src/util文件夹下的kaldi-io.h 是Kaldi的I/O机制相关类的声明。
对象(Object)读写机制
Kaldi中定义的类有一个通用的I/O接口。
标准的接口如下：
注解：
返回的是void类型，不能接一连串的istream或者ostream。
binary参数是一个标志位，表明要读写的是binary数据还是text数据。
Kaldi进行读操作的代码需要知道用哪种模式（binary mode 和 text mode）。不需要准确地追溯一个文件到底是binary的还是text的。
一个binary的Kaldi文件以字符串"\0B"开头，而text文件不需要文件头(header)。
典型的读写过程如下：
包含Kaldi对象的文件需要声明它们是包含二进制数据还是文本数据。
二进制Kaldi文件将以字符串“ \ 0B”开头；由于文本文件不能包含“ \ 0”，因此它们不需要标题。
5 总结
了解了kaldi的输入输出机制后，开始进行数据准备工作。
下期预告
AIBigKaldi（三）| Kaldi数据准备
往期精选
AI大语音（十四）——区分性训练
AI大语音（十三）——DNN-HMM
AI大语音（十二）——WFST解码器（下）
AI大语音（十一）——WFST解码器（上）
AI大语音（十）——N-gram语言模型
AI大语音（九）——基于GMM-HMM的连续语音识别系统
AI大语音（八）——GMM-HMM声学模型
AI大语音（七）——基于GMM的0-9语音识别系统
AI大语音（六）——混合高斯模型（GMM）
AI大语音（五）——隐马尔科夫模型（HMM）
AI大语音（四）——MFCC特征提取
AI大语音（三）——傅里叶变换家族
AI大语音（二）——语音预处理
AI大语音（一）——语音识别基础
——————
浅谈则止，细致入微AI大道理
扫描下方“AI大道理”，选择“关注”公众号
—————————————————————
—————————————————————
