问 1：dpp init是会自动生成的吗？需要自己预先touch 吗？
答：自动生成的。
问 2：请问一下，远程服务器docker启动了，本地如何前端访问？
答：可以参考连接远程服务器内的docker - 知乎
问 3：8k 16bit的wav，计算 cmvn 的时候每个frame是多长？10ms？
答：帧长25ms，帧移10ms
问 4：是不是目前基于aishell预训练的模型在给定的py脚本下里面是没办法流式的？
尝试改了 encoder的初始化参数 “use_dynamic_chunk”， 推理时能够走到forward_chunk_by_chunk的分支，但是预测的结果好像不太正常。
答：如果模型训练的时候没有用dynamic chunk，在推理时强行更改配置文件也无法做流式。
问 5：WeNet做长语音识别的策略是什么？源码好像不能超过20s，如果超过怎么做？
答：超过的话，一个是 embedding 没法表示，一个是一直不能做 rescore。原理就是识别到足够长的blank就认为语音结束，rescore后清空一些状态，重新开始识别。runtime 的代码中，超过 20s 就会强制截断。
问 6：WeNet中用onnx推理提取fbank特征这块，在triton中用的是kaldifeature的库，而在recongnize_onnx.py中，用的是torchaudio，是前者比后者有优势吗？还是因为 torchaudio 对dataloader的适配性比kaldifeature好？
答：特征是相同的，两者没有差别。
问 7：那如果有长语音识别需求就需要自己手动裁剪，然后再合并？
答：开启实时长语音识别选项即可。
问 8：训了将近40轮损失咋还这么高，是什么情况？
答：可能是学习率问题，在conf下的配置文件中可以调整lr参数。
问 9：推理的时候遇到这个问题？
答：确认一下模型的路径是不是正确。
问 10：图示错误的原因是什么？
答：加载模型有问题，确认下模型路径以及模型文件是否正确。
问 11：老师，我0号pt的cv loss 64.88，1号pt的cv loss 63.87多？这对么？我记得上次训练 0 号的cv loss 63多，1号就到了10点多。当然了，两次数据不同，用的脚本也不同，这次用的是multi cn
答：数据和脚本都不同，这个没有太多对比，可以往后再训练看下loss的变化。
问 12：用multi cn 训练了3个pt，cv loss，64 - 63 - 65，，训练还在继续。
这是不是看起来，要收敛不了啊？
答：可以再继续训练看下loss的变化。
问 13：我切分成8000的chunk， tobytes 发送， 但是收不到返回是什么原因呀？
答：没开实时长语音识别。
问 14：在conda环境下，把python代码打包成so文件之后，发现原来文件里 import numpy 报错，说找不到这个模块，但是我python import确实正常的
答：如果用的是setup的方式，require要加上numpy的信息。
问 15：WeNet支持多卡训练吗？
答：多卡多机都支持。
问 16：请问下为什么流式asr中 不说话的时候好像也会一直会有字输出？
答：训练的模型没有适应噪音，鲁棒性不够，可以尝试在外面套一个vad。
问 17：为什么无论是用自己编译的WeNet windows版本，还是直接从github上下载release版本，运行示例的时候都没有日志输出，都是直接输出结果呢？
这个是通过wsl2安装了一个ubuntu系统，通过set设置也不行，另外直接使用powerShell 运行还是一样的结果。
答：windows 应该用 set 而不是 export，
虽然是 ubuntu 系统，但是调用的还是 windows 的 exe 程序。还有一种方法就是直接在 windows 的环境变量页面通过非命令行的方式添加。可参考https://jingyan.baidu.com/article/3c343ff72632df4c3679636c.html，添加后记得重启命令行工具。
问 18：从github上下载了代码，仅仅修改数据存放位置字段，执行时报错，怎么回事呀？
答：需要手工把这个压缩文件解压，stage -1 是download and untar。要跟stage -1的output一致。
问 19：用WeNetspeech的checkpoint做增量训练，数据有40个小时左右。训练出来的模型效果不如直接发出来的好，请问还需要更多的数据吗？还是说大概率是训练方式出错呢？loss本身是有下降的。
答：应该是数据过拟合了，可以查看下test loss的变化。
问 20：Chunk size 16 和 full 的 attention rescoring 解码结果 wer相差过大（8％+），该怎么理解这个现象呢，是否可以考虑增加训练时chunk size 在1-25上的随机概率，来缓解这个问题？
答：推理时给16的话它还是不能获取足够多的上下文信息。
问 21：WeNet在训练语言模型时需要分词吗？ctc的输出结果是字 感觉用不到分词。
答：不需要。
问 22：想请教下unified这篇论文中的two pass指的是什么，是融合了流式和非流式的意思吗？还是先Nbest然后rescore这种叫two pass？
答：unified是指融合了流式和非流式的意思，其核心是dynamic chunk，two pass是指先做Nbest然后rescore。
问 23：WeNet可以做流式识别，那Kaldi也能做流式识别吗？
答：当然可以的。
问 24：WeNet中aishell1这个例子用cpu跑和用gpu跑结果有差别吗？
答：cpu的速度比较慢，但是解码结果应该差距不大。
问 25： run.sh里面，gpu id，跟rank id 有对应关系么？是什么样的关系？
答：可以参考https://mp.weixin.qq.com/s/6FYJ
