1.小米MACE 0.12.0有哪些新功能和优势？
2.Kaldi(1): 安装
3.新一代 Kaldi: 有 TTS Runtime 啦！码学

小米MACE 0.12.0有哪些新功能和优势？

       在MIDC 的码学大幕落下之际，小米以一场科技盛宴震撼业界，码学其精心打造的码学盛会与Apple WWDC的风采不谋而合。

       在这场盛会中，码学小米的码学艺人库 源码焦点无疑落在了MACE 0..0的全新发布上，这款移动AI计算引擎框架犹如一颗璀璨的码学新星，展现出强大的码学革新力。MACE的码学初衷，是码学通过人工智能与深度学习技术，提升设备在摄影领域的码学表现，如Redmi K系列中的码学肖像模式，智能识别与美化功能，码学以及令人惊叹的码学防止源码复制高分辨率图像处理。

       而MACE 0..0的码学开放源代码特性，让其成为业界共享的宝贵资源，无论是在智能手机还是IoT设备中的低功耗微控制器，都能无缝融入，体验到更强大的AI性能和节能优势。

       新版本的四大亮点更是引人注目：

       异构计算的兼容性提升，兼容多种核心架构，兼顾性能与节能；

       性能一致性得到增强，确保不同设备间的顺畅体验；

       引入开源Kaldi语音识别系统，赋予设备更精准的语音交互能力；

       并新增CMake支持，简化软件构建过程，提升开发效率。

       小米5G时代的1的源码步伐越发稳健，MACE 0..0的出现预示着AI技术将更加深入日常生活。让我们拭目以待，期待这一技术在更多开发者手中绽放出更多可能性，为用户带来前所未有的智能体验。

Kaldi(1): 安装

       Kaldi是一个基于C++开发并遵循Apache License v2.0的语音识别工具包，它目前是ASR领域最受欢迎的工具之一。本文将基于Ubuntu . LTS系统，向您介绍Kaldi的安装方法。

       安装Kaldi的第一步是按照官网提供的kaldi-asr.org/doc/tutor...指南，将Kaldi项目克隆至本地。

       在克隆完项目后，进入kaldi-trunk目录，查看INSTALL文件的cmake管理源码内容。

       根据INSTALL文件的内容，我们需要先进入tools目录，并按照提示进行安装。完成tools目录的安装后，再进入src目录，继续按照提示进行安装。

       在进入tools目录后，我们需要查看INSTALL文件的内容。根据文件内容，我们首先需要进入extras目录，并运行脚本check_dependencies.sh来检查各种依赖是否安装。

       进入extras目录并运行check_dependencies.sh脚本。

       运行check_dependencies.sh脚本后，unity socket源码如果出现任何提示表明某些库未安装，应按照提示解决，直到运行check_dependencies.sh后出现“All OK.”的提示。

       然后，返回上一级目录，进行编译。如果是在虚拟机上，建议使用make而非make -j 4，以避免因内存不足导致编译失败。在src目录下的编译也遵循同样的原则。

       编译完成后，可能会提示irstlm未安装。此时，可以运行extras/install_irstlm.sh安装irstlm，但即使没有安装也可以先继续完成整个Kaldi的安装。

       进入src目录，查看INSTALL文件的内容。

       运行configure --shared命令。

       运行configure命令后，务必仔细阅读显示的提示，它可能和上文所示的内容有所区别。提示中会提醒你有哪些东西没安装好，并给出指导。遵循这些指导完成相关依赖的安装，直到运行configure后出现如上文所示的提示，提示的最后显示“SUCCESS To compile: ……”，此时才能进行后面的步骤。

       执行最后的步骤，编译Kaldi的源码。编译过程可能需要半个小时到一个小时，如果编译过程中未出现红色的error，最后出现“Done”，表明编译成功。

       最后，运行一个例程来检验安装是否成功。运行egs/yesno/s5目录下的run.sh脚本。

       如果出现如上文所示的结果，表明Kaldi安装成功。

新一代 Kaldi: 有 TTS Runtime 啦！

       安装方式包括快速安装和源码编译。快速安装命令支持多种平台，详细信息可参考文档。对于使用其他语言API，如C/C++/Go/Kotlin/C#/Swift等需求，文档提供相应指南。

       模型下载从网上获取。有三个开源VITS预训练模型可选，文档中包含详细下载方法。下载模型后，需注意支持嵌入式Linux，包括树莓派等。

       使用模型前，还需下载特定Python文件。此文件可从GitHub仓库获取。

       中文与英文多说话人模型的使用方法相似，主要差异在于模型文件的替换。速度调整可通过参数实现，如使用2倍速或0.8倍速。

       体验sherpa-onnx中的文字转语音功能有三种方式：下载预编译的Android APK、在线体验和Windows可执行程序。Android APK提供下载链接，运行截图显示其使用效果。在线体验路径在Huggingface空间中提供，运行截图展示在线体验界面。Windows可执行程序无需额外安装，下载地址已提供。

       总结，通过本教程，读者可了解如何使用sherpa-onnx实现文字到语音的转换。未来，我们计划在icefall中支持模型训练功能，以提升模型的灵活性与自定义性。