1.4 第一铲试金：跑通 yesno 全流程并读懂报表

1.4 第一铲试金：跑通 yesno 全流程并读懂报表

本节摘要：yesno 是 Kaldi 自带的最小数据集，每条录音只含若干个"yes"与"no"。用它完整走一遍数据准备、特征提取、模型训练、解码与评估，并把日志逐段读明白。本节是第 1 章的实战收口，也是后续所有章节的"缩微沙盘"。承接 1.3 的目录地图，通往第 2 章原理地基。

从按下回车到看到成色报表

场景代入：你已经按前两节装好了场子、拿上了地图，现在站在最小的矿区前。这个矿区小到什么程度？全部家当是一批短录音，每条由八个词组成，每个词要么是 yes 要么是 no，同一个说话人念的。任务简单：听录音，输出这八个词的序列。正因为任务简单，产线上任何一环出问题都会立刻暴露，它是理想的试金石。

图 yesno 产线六道工序与产物对账

开机：一次跑通

背景交代完，动手。进入食谱目录，主脚本一键跑完全部六道工序：

cd ~/kaldi-field/kaldi/egs/yesno/s5
./run.sh 2>&1 | tee run.log
# 首次运行会自动下载数据集（几兆字节）；
# 全程几十秒到几分钟，取决于机器
​

日志按工序滚动，几处关键台词值得划线。特征阶段会打印每条话语的帧数统计；训练阶段会输出似然值随迭代轮次上升的表格；解码阶段安静地生成词格；最后打分脚本汇总出错误率。似然值一路走高、错误率收在低位，就是产线健康的标志。

# 训练日志里的健康信号（节选）
# 第 1 轮迭代：平均对数似然 -xx.x，之后逐轮上升
# 直到最后若干轮基本走平——收敛

# 打分阶段的收尾输出（节选）
# %WER 0.00 [ 0, 232, 30, 0, 0 ]
# 含义：错误率 0，三十条测试话语共 232 个词，
# 替换 0、删除 0、插入 0
​

看报表：成色鉴定

# 解码与打分产物在实验目录下
ls exp/mono/decode_test_yesno
# 预期输出（节选）：
# lat.1.gz  log/  wer_10_0.0  wer_11_0.0 ... scoring/

# 打开一份成色报表
cat exp/mono/decode_test_yesno/wer_10_0.0
# 预期输出：
# %WER 0.00 [ 0 / 232, 0 ins, 0 del, 0 sub ]
# 首行是汇总：232 个参考词，零错误
# 后续若有个别错句，会按 误识 / 参考 成对列出
​

结果解读要冷静：错误率为零不代表你训练出了通用识别系统。yesno 的测试集与训练集来自同一批录音、同一个说话人，词汇表只有两个词加静音，这更像"用已知成分的矿样校准仪器"。它验证的是产线本身：六道工序全部跑通、产物齐全、指标可复现。

逐段日志判读表

跑通只是及格线，会读日志才算入门。六道工序在日志里各有标志性台词，把这张判读表收好，它同样适用于大型食谱：

训练阶段的似然值值得多看两眼。它是模型对训练数据"解释力"的打分，从很负的数起步，逐轮爬升，最后若干轮几乎不动，这就是收敛。如果爬到一半掉头向下，通常是数据或配置出了问题；如果第一轮就崩，多半是特征文件与清单对不上。养成"先看收敛曲线，再看错误率"的习惯，第 4 章调参时你会感谢这个习惯。

对齐产物也值得认识一下。训练结束后，实验目录里会多出对齐文件——它记录每一帧音频被分配给了哪个音素状态，相当于把矿石逐粒贴上了成分标签。下一代的训练以它为起点，越贴越准，这是传统流水线"逐级精炼"思想的具体体现。

第一次事故处理演练

假设跑挂在数据准备阶段，报错说清单文件与实际音频对不上。处置顺序如下：第一步看报错最后几行，确认它指向哪个文件哪一行；第二步检查清单与音频目录，通常是文件名拼写不一致或有多余文件；第三步跑数据校验脚本让它指出所有问题，而不是改一处再跑一次碰下一处。这套"看尾部、查两头、整体校验"的三步法，适用于绝大多数食谱事故。

# 事故演练：故意制造一处不一致再修复（在副本数据目录操作）
# 第一步：看校验脚本怎么说
utils/validate_data_dir.sh data/train_yesno
# 预期输出：指出具体哪个清单的哪一项不合法

# 第二步：修复后让目录自愈（重建反向索引与排序）
utils/fix_data_dir.sh data/train_yesno
# 预期输出：删除若干不一致条目的提示，条目数应为零或个位数
​

⚠️ 常见坑：看到零错误率就调大任务难度，直接跳到大语料食谱。更稳的路径是先在 yesno 上做变式实验，把"改参数、看变化"的肌肉记忆练出来，再去碰动辄几小时的训练。

变式：改一个秤砣再称一次

解码时声学分数与语言分数的配比是个可调的"秤砣"。默认配比不一定是任务最优，试几个组合感受权衡：

# 用不同的语言模型权重重打分（示意：权重从小到大）
for wgt in 5 10 15; do
  local/score.sh --lm_weight $wgt data/test_yesno \
    exp/mono/decode_test_yesno
done
# 然后比较各权重的报表文件，
# 复杂任务里错误率会随权重变化画出一个 U 形，
# 最优配比在 U 形底部
​

变式实验的价值不在结果本身，而在建立因果感：改一个参数，看一个指标，知道谁动了谁的奶酪。这套"改、跑、看"的循环，会贯穿第 4、5、6 章的调参工作。

再加一个更有意思的变式：让 yesno 多训一代模型。yesno 的主脚本默认停在单音素，你可以手动接续三音素训练，再各解码一次，比较两代模型的报表。任务太简单时两代差异可能为零，但操作本身把"下一代模型以上一代对齐为起点"的接力关系演了一遍——这正是第 4 章要展开的核心机制，先在沙盘上留下手感。

第一铲的收成

• 沙盘意义：yesno 是整条产线的缩微模型，六道工序与大型食谱一一对应，术语与目录结构完全同构。
• 健康信号：似然逐轮上升、错误率报表生成，两条信号确认产线无恙。
• 正确心态：零错误率是仪器校准，不是矿脉品位；下一步该补的是原理地基。

场子转起来了，但你可能还答不上"模型到底在算什么"。第 2 章进入矿石学，把音素、声学模型、语言模型、解码算法这些名词背后的机制讲透。