由於工作的原因，很長時間不能更新博客和管理kaldi群，每天看著kaldi群的人數不斷增長，由衷的為從事語音感到自豪，希望在我博客和群裡能得到你們想要的，但我同時拒絕伸手黨。這幾年語音的發展很迅速，所以導致更多的人來學習：
下面主要從2個方面來說明，一個是從學生角度，一個是從工業角度。希望以後問怎麼學習和怎麼研究的人會越來越少，當然我這裡也只是拋磚引玉。
學生角度
如果你是本科生，你或許付出的努力會更多。如果你是研究生，最好是數學和英語好，要不然你同樣付出很多努力。
1、基礎部分
默認你是研究生，你學過基本的矩陣理論和隨機過程，一些簡單的模式識別原理，這樣你或者利於理解識別的原理。默認你能夠閱讀一般的英文文獻，不要害怕專有名詞，等你見多了，自然能看懂。也行英文六級過了，一般的文章能看得懂，只要語句知道怎麼翻譯。這就是數學和英文基礎，希望你具備。
此外，默認你具有一些計算機基礎，比如c語言和c++，和其他的一些腳本語言如python，shell，perl等基礎。如果你不會的話，不要怕，去網上聽公開課，也許你聽的夠多，也就會了。此外，你一定要會linux的基本命令，僅僅是基本命令，慢慢的你也會其他高階的命令，這個只要你慢慢用。
如果你不具備這些，可以早點學；如果你具備，那你已經達到基礎的一步。如果你覺得特別難，趕緊放棄吧。其他的路也是一條很好的路，其實學語音識別需要的東西太多，所以你要有足夠的思想准備。如果你的老師或者其他人只丟給你一個課題，如果你根本不感冒，那就勸你直接放棄吧。也許你學習其他的東西，也可以活得很好。再次強調，這也許是一條不歸路，或者說很長很長的路，遠比你之前遇到的都難。
2.進階
哦，忘記一個非常重要的東西，就是數據結構和算法。如果你沒有學過，趕緊學，這個東西非常非常重要。
這也許是第一個進階的 東西，這個東西很奇妙，如果你有興趣，你可以做的很好。
接下來你需要看一些語音的基礎知識，知道語音的一些基本處理或者信號的一些基本處理。如果你根本不懂傅裡葉變換或者你根本不知道為什麼那樣，或許你需要思考。這個是大學的信號與系統，數字信號處理，通信原理等等的一些基礎知識。
然後，你可以看下語音識別的一些基本知識，當然這個中文的課本也沒一個說的好的。你可以先看看機器學習，比如邏輯斯特回歸，支持向量機，高斯混合模型，隱馬爾科夫模型。當然還有信號檢測和估計的一些理論，多維高斯模型和最大似然估計等等。結合你的中文課本和htk中文版前三章，試試看，能不能更好的理解。當然你可以看kaldi主頁的內容，看看一些簡單的東西，比如課外的一些語音課程，這個只有ppt和一些材料，很少有視頻，如果你們學校有老師講那就更好。比如上海交通大學的俞凱老師。
這裡，默認你已經知道一些基本的原理了，也許你不夠具體，不要怕，繼續走，也許某一個瞬間就明白了。多思考多想想，這個是最好的建議。
3.高階
你可以去看看kaldi的腳本和代碼或者htk的腳本和代碼或者其他平台，再根據你的理論試試結合，如果你不懂，多問問，也許你慢慢就積累了，慢慢就會了。如果有人帶你，那就更好了。慢慢的你就成為高手了。
這時候你理解了GMM-HMM那套後，就去看DNN那一套吧，甚至更高深的東西。
如果你是學生，發現上面跟你的差別特別大，如果你沒興趣的話，最好放棄，別為難自己。要學的的確很多，但為了你未來的路好走，或許你必須這樣辛苦。
工業角度
如果你只是想使用語音識別，你最好去調別人家的SDK。如果你的確需要去做，你可以看看上面的那麼多條，你具備嗎？
其次，你真的很想很想做，第一個問題來，語料有嗎?買，的確很貴，不買，做不出來。然後，你有人嗎？沒有幾個懂得人慢慢去弄也很麻煩，所以的確不是剛需，你可以嘗試去調別人的SDK。
經常會被問的問題：
1.我就想做個我說一句話，然後就識別為文字。
有時候問這個問題，我的確挺氣的。你們知道這背後有多少東西，沒有那麼簡單就搞出來的。統一回答：你需要找到訓練語料，然後訓練一個模型，然後再弄解碼，然後再出來。這個需要訓練模型，需要語料，你有嗎？
2.不是有kaldi或者htk了嗎？再說王東老師都開源中文的識別例子了？自己可以搞了。
然而並不是，王東老師弄這個例子是為了促進中文語音識別的發展，真的特別感謝王東老師。我當時讀研的時候什麼數據庫都沒，就自己看。但這個語料僅僅只是科研，你想要工業應用，還差十萬八千裡。開源的的確存在，你需要有自己的數據庫，然後利用開源來搭建一個適合自己情景的系統。
3.機器真的要GPU嗎？
現在都知道dnn或者LSTM的效果好，這些都是用顯卡和語料燒出來的，也就是用錢喂出來的。所以這個的確需要錢……
基本對於工業的人來說已經夠了，應該足夠自己做判斷了。再次強調語音識別還是一個高門檻的事情，謹慎入。當然土豪就無所謂了。
以上對於大家來說，可以做判斷了，聰明的人做聰明的判斷。
希望更多的人加入到語音這個大家庭來，共同繁榮語音事業。
後續會根據反饋情況，逐步反饋。
看了群裡n多初級的問題，這裡匯總下：
1.請問有沒有可能做爬蟲去網上下載訓練數據？商業數據還是太貴了…
答：
網上的訓練數據問題：1）采樣率是否統一，有沒有做過重采樣；2）說話人是否足夠；3）是否有標注；4）若有聲讀物標注是一長段，不太適合訓練，需搞短點；5）電影裡的背景聲音問題；6）新聞的倒是有可能用，但也需要很多人工切分，處理等。
2.自己的數據怎麼弄？
kaldi中有很多的例子，你可以參考kaldi裡的任何一個例子，英文的可以參考的很多，中文的就參考王東老師提供的thchus30。主要是數據准備階段，其他的都可以復用腳本，但不一定適合自己，別忘了調整參數。
版權所有，如果您轉載，請附上原鏈接。
