[语音识别] kaldi -- aidatatang_200zh脚本解析:数据准备

# Data Preparation: generate text, wav.scp, utt2spk, spk2utt
local/data_prep.sh $data/aidatatang_200zh/corpus $data/aidatatang_200zh/transcript || exit 1;

1.参数/文件夹路径等效验
2.检验是否一共有237265个文件
# find /DATA/disk1/ASR/aidatatang_200zh/corpus -iname "*.wav" | wc -l
# wav.flist 范例: /DATA/disk1/ASR/aidatatang_200zh/corpus/train/G1428/T0055G1428S0319.wav
# 其中G1428是说话人ID，T0055G1428S0319是录音文件ID

3.在data/local/{train,test,dev}下生成text,wav.scp,utt2spk,spk2utt等文件。

text：包含了每条语音对应的转录文本，格式为 ＜utterance-id＞＜transcription＞.
# 范例：T0055G1428S0319 没有 网络 可以 听 短信 吗
wav.scp：记录语音位置的索引文件，格式为＜utterance-id＞＜filename＞.
# 范例：T0055G1428S0319 /DATA/disk1/ASR/aidatatang_200zh/corpus/train/G1428/T0055G1428S0319.wav
utt2spk：指明语音与说话人的对应关系&