s5/run.sh為完整腳本，下面分別解析每個步驟

1. 指定訓(xùn)練/解碼腳本

-d 判斷是否為目錄 更多命令
命令之間使用 || 連接，實現(xiàn)邏輯或的功能。 linux中的分號&&和&，|和||說明與用法

只有在 || 左邊的命令返回假（命令返回值$? == 1），|| 右邊的命令才會被執(zhí)行。這和 c 語言中的邏輯或語法功能相同，即實現(xiàn)短路邏輯或操作。
只要有一個命令返回真（命令返回值 $? == 0），后面的命令就不會被執(zhí)行。 –直到返回真的地方停止執(zhí)行。

如果沒有數(shù)據(jù)，下載+解壓

#!/bin/bash

train_cmd="utils/run.pl"
decode_cmd="utils/run.pl"

if [ ! -d waves_yesno ]; then
  wget http://www.openslr.org/resources/1/waves_yesno.tar.gz || exit 1;
  # was:
  # wget http://sourceforge.net/projects/kaldi/files/waves_yesno.tar.gz || exit 1;
  tar -xvzf waves_yesno.tar.gz || exit 1;
fi

2. 數(shù)據(jù)準備

train_yesno=train_yesno
test_base_name=test_yesno

rm -rf data exp mfcc

# Data preparation

local/prepare_data.sh waves_yesno
local/prepare_dict.sh
utils/prepare_lang.sh --position-dependent-phones false data/local/dict "<SIL>" data/local/lang data/lang
local/prepare_lm.sh

2.1 prepare_data.sh

create_yesno_waves_test_train.pl 輸出路徑 ./kaldi/egs/yesno/s5/data/local

../../local/create_yesno_waves_test_train.pl waves_all.list waves.test waves.train

三個參數(shù)：第一個全路徑，第二個test，第三個train
功能：讀取全部文件，一半訓(xùn)練一半測試

chomp($l); #  perl函數(shù)，去掉換行符

create_yesno_wav_scp.pl / create_yesno_txt.pl 處理各種文件路徑

2.2 prepare_dict.sh

準備詞匯表，不發(fā)聲的SIL

2.3 prepare_lang.sh

準備語言模型

3. 特征提取

# Feature extraction
for x in train_yesno test_yesno; do
 steps/make_mfcc.sh --nj 1 data/$x exp/make_mfcc/$x mfcc 
 steps/compute_cmvn_stats.sh data/$x exp/make_mfcc/$x mfcc # Compute cepstral mean and variance statistics per speaker.
 utils/fix_data_dir.sh data/$x
done

# Mono training
steps/train_mono.sh --nj 1 --cmd "$train_cmd" \
  --totgauss 400 \
  data/train_yesno data/lang exp/mono0a

# Graph compilation
utils/mkgraph.sh data/lang_test_tg exp/mono0a exp/mono0a/graph_tgpr

# Decoding
steps/decode.sh --nj 1 --cmd "$decode_cmd" \
    exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno

for x in exp/*/decode*; do [ -d $x ] && grep WER $x/wer_* | utils/best_wer.sh; done

4. 訓(xùn)練

steps/train_mono.sh --nj 1 --cmd "$train_cmd" \
  --totgauss 400 \
  data/train_yesno data/lang exp/mono0a

5. 生成HCLG圖

utils/mkgraph.sh data/lang_test_tg exp/mono0a exp/mono0a/graph_tgpr

6. 解碼

steps/decode.sh --nj 1 --cmd "$decode_cmd" \
    exp/mono0a/graph_tgpr data/test_yesno exp/mono0a/decode_test_yesno

7.評估

for x in exp/*/decode*; do [ -d $x ] && grep WER $x/wer_* | utils/best_wer.sh; done

結(jié)果可視化