前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[语音识别] kaldi -- aidatatang_200zh脚本解析:下载数据

[语音识别] kaldi -- aidatatang_200zh脚本解析:下载数据

作者头像
MachineLP
发布2021-07-19 14:39:47
1K0
发布2021-07-19 14:39:47
举报
文章被收录于专栏:小鹏的专栏小鹏的专栏

输入:语料库位置(data) 数据下载路径(data_url)

输出:在$data文件夹下新增解压后的语料库(corpus和transcript文件夹,corpus含音频文件和说话人信息等)

可选参数:

  • --remove-archive 决定是否要在解压后删除data压缩包(默认关闭)
代码语言:javascript
复制
local/download_and_untar.sh $data $data_url aidatatang_200zh || exit 1;

流程:

代码语言:javascript
复制
1.判断是否开启解压后删除压缩包的开关(根据--remove-archive 参数,默认关闭)
2.判断参数是否等于3个(不包含删除压缩包的参数)
3.检验参数有效性(例如文件夹是否存在,下载地址长度是否大于0等,语料库名是否正确【这里需要为aidatatang_200zh】)
4.判断是否已经存在数据并解压完成,完成则退出,未完成则继续
5.判断在$data目录下是否存在aidatatang_200zh.tgz的文件
5.1 如果有,则判断压缩包大小是否正确。错误则删除压缩包
5.2 如果没有,则使用$data_url下载
6.tar -xvzf 数据压缩包
7.处理完后会在$data/$part/添加.complete文件
8.将corpus/下的train/test/dev的wav压缩包分别解压至各目录下,并删除压缩包
9.如果有开启删除压缩包的开关则删除数据压缩包(18G那个)

备注:

解压后产生.complete、corpus和transcript(.complete和两个文件夹同一级目录) co

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021-07-16 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档