本代码以mfcc作为输入，以ppgs作为输出。
audio.py不是后来我整理的很标准的audio.py，但是提取mfcc的是一致的，注意center的取值；
-
对于提取文件mel，spec，mfcc，使用了后来的audio.py，后缀中多了_by_audio_2，用的是Get_MFCC_SPEC_MEL_XXX_5ms.py
-
PPG特征部分代码只用了generate_batch.py，以及欣陶给的ckpt，英文的ASR的ckpt，别的没有用。5ms
一.目录文件及作用
/
1.audio.py :
其作用是将.wav声纹文件转化为mfcc。
使用其 wav2mfcc_v2函数
hparams = {
'sample_rate': 16000,#一秒16000个采样点
'preemphasis': 0.97,
'n_fft': 512,
'hop_length': 80,#80个采样点为帧移动步长 5ms
'win_length': 400,#400个采样点为帧宽度，25ms
'num_mels': 80,
'n_mfcc': 13,
'window': 'hann',
'fmin': 30.,
'fmax': 7600.,
'ref_db': 20, #
'min_db': -80.0, # restrict the dynamic range of log power
'iterations': 100, # griffin_lim #iterations
'silence_db': -28.0,
'center': True,#是否将MFCC作为当前帧中间向量的结果。（数个向量作为一帧生成一个mfcc)
}
是audio.py生成mfcc的分帧、帧移的参数设定。
2.models.py :
定义了以mfcc作为输入，ppgs作为输出的一个CNN+BLSTM网络。
使用了CNNBLSTMClassifier()这个类
3.timit_dataset.py
定义了数据的迭代器。在train/test中得以应用
需要指定：
TRAIN_FILE:一个txt文本，内容是训练数据文件名。如(103-1240-0000),每一行一个文件名。
TEST_FILE:一个txt文本，内容同上
MFCC_DIR:存储生成的mfcc数据的目录，目录结构如下：
MFCC_DIR/
103/
1240/
103-1240-000x.npy
说话人 语句 语句分段
PPG_DIR:存储PPGs数据的目录，该数据由Kaldi生成，与我们生成的mfcc数据应一一对应。（帧的划分，位移参数相同）
目录组织方式同上。
MFCC_DIM = 39 ，PPG_DIM = 345 指定每帧生成的MFCC/ppg的维度。
4.train.py
训练网络的代码，指定了网络计算图和tensorboard的监视功能。
/utils/
1. make_mfcc:
调用audio.py中的wav2mfcc_v2函数，使用参数与其中相同。
将每个语句分段按帧滑动分割，对每一帧加窗后生成一个MFCC。这和Kaldi按帧生成的PPGs应能一一对应。
（实践中，发现我们的MFCC会比Kaldi生成的ppgs 帧少1，但是应问题不大）
我们生成的mfcc，之所以会比ground-truth ppgs少一帧，是因为padding选择不同。但是基本是对的上的
2. generate_data_list.py
使用Kaldi的结果，即ali.x.txt，每一行是 语句分段.wav Kaldi生成的PPGs
这个只是为了提取出在timit_dataset.py中所需的TRAIN_FILE和TEST_FILE.也就是只提取每一行的第一个关键字
3. collect_ppgs.py
基于ali.x.txt，提取每一行的PPgs字段，存储在npy文件中。
并且文件的组织方式与MFCC的组织方式一样。都遵循最开始该数据集的组织方式
4. test_data_length.py
检测我们对每个语句分段 生成MFCC的数目是否和PPGs的数目相同，如果相同，则说明我们分帧对应上了
写这个脚本的原因是，7067-76048-0021我们生成的和Kaldi生成的不一样长，分帧没对应上。
我把0021删去了
5. test_length
是检测我们生成的mfcc 至少在103-1240中是否与ali.x.txt里的ppgs是一样多的
6. mfcc_zhao/ PPGs/ 是对应的mfcc存储路径和ppgs存储路径
/experiment/
存储实验日志
/model/
存储最好的一次模型，第62000steps
/my_test/
存储103-1240源数据，ali.1.txt 和没有对齐的数据。
训练策略：
基于 /tmp/luhui_share/alignments 对齐数据
/home/data/LibriSpeech/train-clean-100 音频数据
1.利用Kaldi，生成PPGs-ground-truth。保存在上面第一个路径中，ali.x.txt
2.利用make_mfcc，为源数据生成mfcc路径
3.利用collect_ppgs.py ,为ppgs单独生成类似mfcc的路径
4.利用test_data_length.py 检查是不是每个语句的mfcc数量都和ppgs数量相同
5.测试timit_dataset.py 能不能获取每个语句片段的 mfcc ppgs mfcc数目 三元组
6.运行train.py