1.解码之前工作：
首先训练好模型，用到4个文件：
final.mdl（训练得到的声学模型文件）
final.mat(用来特征转换)
HCLG.fst（fst文件）
words.txt（字典文件）
此外还要提供带解码音频文件或路径.scp文件：
wav.scp(音频路径.scp文件)
2.流程图：
2.使用compute-mfcc-feats提取特征，有时也会加上基音周期，用compute-kaldi-pitch-feats提取，生成对应的特征文件feat.ark;
3.使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark
4.使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark;
5.使用apply-smvn得到applycmvn.ark文件；
6.使用splice-feats继续变换特征，拼接相邻帧的特征；
7.使用transform-feats来进行特征转换，为了解码调用；
8.最后通过得到的transform.ark进行解码的操作，得到解码后的lattice文件。
3.具体流程指令：
1.首先列出具体文件，这里我就按照自己的文件给出了，如果用别的，改相应文件就行了
wav.scp(里面是保存了wav的绝对路径)
final.mdl(训练模型得到的模型文件)
final.mat（用来特征转换）
HCLG.fst（fst文件，用于解码）
2.使用compute-mfcc-feats生成对应的特征文件feats.ark:
compute-mfcc-feats --use-energy=false scp:wav.scp ark:feats.ark
3.使用copy-feats来拷贝特征文件，并创建特征的scp文件，生成feat.scp feat.ark
copy-feats ark:feats.ark ark,scp:feat.ark,feat.scp
4.使用compute-cmvn-stats计算CMVN归一化，得到cmvn.scp cmvn.ark
compute-cmvn-stats scp:feat.scp ark,scp:cmvn.ark,cmvn.scp
5.使用apply-cmvn，得到了applycmvn.ark文件
apply-cmvn scp:cmvn.scp scp:feat.scp ark:applycmvn.ark
6.使用splice-feats来继续变换特征
splice-feats --left-context=3 --right-context=3 ark:applycmvn.ark ark:splice.ark
7.使用transform来进行特征转换，为了解码调用
transform-feats final.mat ark:splice.ark ark:transform.ark
8.最后通过得到的transform.ark进行解码的操作，得到一个晶格文件
nnet-latgen-faster [options] <nnet-in> <fst-in|fsts-rspecifier> <features-rspecifier> <lattice-wspecifier>