kaldi utils/filter_scp.pl脚本解释

kaldi utils/filter_scp.pl脚本解释

# This script takes a list of utterance-ids or any file whose first field
# of each line is an utterance-id, and filters an scp
# file (or any file whose "n-th" field is an utterance id), printing
# out only those lines whose "n-th" field is in id_list. The index of
# the "n-th" field is 1, by default, but can be changed by using
# the -f <n> switch

用法：utils/filter_scp.pl utt.list utt2spk_all |sort -u > utt2spk
也可以这么写，加了一个<
新写法：utils/filter_scp.pl < utt.list utt2spk_all |sort -u > utt2spk

utils/filter_scp.pl utt.list utt2spk_all |sort -u > utt2spk
utils/filter_scp.pl < utt.list utt2spk_all |sort -u > utt2spk

【中文解释】
输入参数【utt.list】 每行是一个utterance-id
输入参数【utt2spk_all 】 每行是一个含有很多field字段的文本，其中第n序号字段是utterance-id
-f <n> 默认n为1，即utt2spk_all 中的第1个字段就是utterance-id，可以自己指定

【作用】
将utt2spk_all 中 满足utterance-id在utt.list中 的行给导出并重新生成给utt2spk文件

而 utt.list生成 可以从文本转写txt中得到，用以下命令：

awk '{print $1}' transcripts.txt > utt.list

【中文解释】
transcripts.txt是一个以空格隔开的含有两个字段（分别是utterance-id、text）的多行文本
通过awk打印出第一个字段（utterance-id）到utt.list

【注意】
awk 列数下标默认从1开始
其实utils/filter_scp.pl的作用是，utt2spk_all表 和 utt.list表(id表)【取交集】