补充前几天的中文分词
对一本小说进行分词

import jieba
from zhon.hanzi import punctuation
file = open('b.txt', 'r', encoding='utf-8')
data=file.read()
data = jieba.cut(data)
string = re.sub(r"[%s]+" %punctuation, "",data)
fW = open('a.txt', 'w', encoding='UTF-8')
fW.write(''.join(string))
fW.close()

原始数据jieba分词

去除标点

构图和解码

接下来开始基于WFST解码器的语音识别系统

HCLG 构建

组成	转换器	输入序列	输出序列
H	HMM	HMM的转移-id	单音子/三音子（triphone）
C	上下文相关	单音子/三音子	单音子（monophone）
L	发音词典	单音子	词（word）
G	语言模型	词	词（word）

1. 构建G
   以yesno为例，在local/ 中
   
   该脚本对tg的语言模型进行了G构建操作

对APRA格式的语言模型文件解压后，直接输入到apra2fst程序中，就得到目标输出G.fst

2. 构建L
   在utils/ 中
   
   L的构图算法是由脚本 utils/lang/make_lexicon_fst_silprob.py，这个脚本用来构建不带静音概率的L，而utils/lang/make_lexicon_fst.py用来构建带静音概率的L，由变量silprob来控制构建哪一种
   之后通过fstcompile进行编译，使用fstarcsort工具对生成的图按照输出标签做排序
3. 合并得到LG.fst
   

4. 再进一步与字典的单音子与上下文相关转换器C.fst合并

5. 构造H.fst
6. 最后与HMM转换器H.fst合并得到HCLG.fst

总结：

通过HLCG的合并，把词典、声学模型、语言模型编译在一起，在识别之前产生识别用的静态解码网络，然后用WFST解码器，得到输入语音的解码效果

WFST解码

两种类型offline&online

1. 离线解码
   书中介绍的解码器是SimpleDecoder
   我在看另外一篇博客还有介绍另一个解码器LatticeFasterDecoder
   参考博客

SimpleDecoder
SimpleDecoder是Kaldi中最简单的解码器
gmm-decode-simple是一个基于SimpleDecoder实现的针对GMM声学模型的解码器
参考博文
程序需要输入GMM声学模型、HCLG解码图、声学特征，输出单词解码结果