کالدی اسپیچ ریکگنیشن ٹول کٹ

It matters because for nearly a decade it was the go-to foundation for academic and industrial ASR work.

Kaldi، جو 2011 میں ریلیز ہوئی اور ڈینیل پووی کی قیادت میں، C++ میں لکھی گئی ہے جس میں bash اور Perl اسکرپٹس کے ذریعے ایک ساتھ چپکنے والی ترکیبیں ہیں۔ یہ کلاسک ASR پائپ لائن پر بنایا گیا ہے: صوتی خصوصیات (MFCCs یا filterbanks) نکالیں، Gaussian Mixture Models کے ساتھ ماڈل فونیم آوازیں یا، بعد میں، ڈیپ نیورل نیٹ ورکس، اور ایک صوتی ماڈل، تلفظ لغت، اور زبان کے ماڈل کو ایک ہی قابل تلاش گراف میں جوڑیں۔ اس کا واضح تکنیکی انتخاب اوپن ایف ایس ٹی لائبریری سے وزنی محدود ریاست ٹرانسڈیوسرز (WFSTs) کا استعمال کر رہا تھا تاکہ تمام علمی ذرائع کو ایک ضابطہ کشائی گراف میں تحریر کیا جا سکے۔ Kaldi نے سوئچ بورڈ، Librispeech، اور Wall Street Journal جیسے معیاری ڈیٹاسیٹس کے لیے 'ترکیبیں' بھیجیں، جس سے محققین کو جدید ترین نتائج دوبارہ پیش کرنے کا موقع ملا۔ یہ حوالہ کا نفاذ بن گیا جس کے خلاف نئے نظاموں کو بینچ مارک کیا گیا۔