Что это такое?
Kaldi — это open-source набор инструментов для распознавания речи: код на C++ плюс готовые примеры-рецепты для систем перевода речи в текст, идентификации и верификации говорящего.
Kaldi — это open-source набор инструментов для распознавания речи: код на C++ плюс готовые примеры-рецепты для систем перевода речи в текст, идентификации и верификации говорящего.Как его запустить?Склонируйте репозиторий и следуйте ./INSTALL для UNIX-систем; сборка нативно под Windows описана отдельно в windows/INSTALL, а сборка примеров систем — в egs/README.txt.
Склонируйте репозиторий и следуйте ./INSTALL для UNIX-систем; сборка нативно под Windows описана отдельно в windows/INSTALL, а сборка примеров систем — в egs/README.txt.Что должно быть на моём компьютере перед сборкой?Стандартные инструменты сборки для UNIX (make, компилятор) и библиотека BLAS, например OpenBLAS или ATLAS. На Fedora 41 сначала устанавливаются библиотеки для разработки и зависимости из дистрибутива.
Стандартные инструменты сборки для UNIX (make, компилятор) и библиотека BLAS, например OpenBLAS или ATLAS. На Fedora 41 сначала устанавливаются библиотеки для разработки и зависимости из дистрибутива.Подойдёт ли новичку, или готовиться к сложностям?Приготовьтесь к некоторым трудностям: сам README предупреждает, что вы, скорее всего, столкнётесь с проблемами, и отсылает за помощью к разработчикам и списку рассылки kaldi-help.
Приготовьтесь к некоторым трудностям: сам README предупреждает, что вы, скорее всего, столкнётесь с проблемами, и отсылает за помощью к разработчикам и списку рассылки kaldi-help.Разве он реально работает только на Linux?Нет — он поддерживает разные варианты Linux, macOS (Darwin) и Windows через Cygwin, а также есть заметки для систем PowerPC 64-bit little-endian (RHEL 7+, Ubuntu 16.04+).
Нет — он поддерживает разные варианты Linux, macOS (Darwin) и Windows через Cygwin, а также есть заметки для систем PowerPC 64-bit little-endian (RHEL 7+, Ubuntu 16.04+).Мне нужна видеокарта NVIDIA, чтобы им пользоваться?Нет — сборка только на CPU полностью поддерживается через OpenBLAS или ATLAS; CUDA упомянута лишь как необязательная третья альтернатива, а не как обязательное требование.
Нет — сборка только на CPU полностью поддерживается через OpenBLAS или ATLAS; CUDA упомянута лишь как необязательная третья альтернатива, а не как обязательное требование.Что ещё можно с его помощью сделать, кроме простого перевода речи в текст?Идентификация и верификация говорящего — полноценные сценарии использования, так что можно строить системы, которые узнают, кто говорит, а не только что именно он говорит.
Идентификация и верификация говорящего — полноценные сценарии использования, так что можно строить системы, которые узнают, кто говорит, а не только что именно он говорит.Может ли Kaldi работать на Android или в браузере?Да: он кросс-компилируется на Android с помощью Android NDK, clang++ и OpenBLAS, а в WebAssembly — с помощью emscripten и OpenBLAS для запуска прямо в браузере.
Да: он кросс-компилируется на Android с помощью Android NDK, clang++ и OpenBLAS, а в WebAssembly — с помощью emscripten и OpenBLAS для запуска прямо в браузере.С чего начать, когда я его собрал?Соберите одну из примеров систем в egs/ (см. egs/README.txt), затем изучайте документацию: там есть туториал по техникам, руководство по написанию кода на C++ и справочник Doxygen.
Соберите одну из примеров систем в egs/ (см. egs/README.txt), затем изучайте документацию: там есть туториал по техникам, руководство по написанию кода на C++ и справочник Doxygen.Нужно ли писать на C++, чтобы им пользоваться?Для базового использования — нет: примеры систем — это shell-скрипты, управляющие скомпилированными утилитами. C++ нужен в основном если вы захотите расширять сам Kaldi.
Для базового использования — нет: примеры систем — это shell-скрипты, управляющие скомпилированными утилитами. C++ нужен в основном если вы захотите расширять сам Kaldi.What are similar projects?faster-whisper, speechbrain, vosk-api, Speech, whisperX, VibeVoice, WhisperLiveKit, qxotic
faster-whisper, speechbrain, vosk-api, Speech, whisperX, VibeVoice, WhisperLiveKit, qxoticWhich topics is it in?speech, asr, toolkit, c-plus-plus, speech-to-text, speech-recognition, wasm, audio, shell, nvidia, cuda, deep-learning
speech, asr, toolkit, c-plus-plus, speech-to-text, speech-recognition, wasm, audio, shell, nvidia, cuda, deep-learning