# Finetune Process
## step 1
確認要使用哪一個source model來finetune
## step 2
確認完之後需要準備的資訊有：
1. source_model.mdl
2. source_model_ivector_extractor_dir
3. source_model_mfcc_config -> 為了decode的時候prepare online decoding會需要用到
4. source_model的tree_dir -> training時會用到
5. 要準備的training set(fintuning set)
## step 3
確認要用gmm model去align lattice或是用chain model去align:
* 如果用gmm的話，用來align的training set(fintuning set)必須是“非”high resolution的資料 -> 此時要用的工具是**steps/align_fmllr_lats.sh**這隻script
* 如果用chain model去align的話必須要用high resolution的資料 -> 此時要用的工具是**steps/nnet3/clign_lats.sh**這隻script
-> 兩種資料是同一批，只是維度不同
## step 4
在使用steps/nnet3/chain/train.py finetune的時候，source有什麼option，在finetune的時候就要有什麼option，不然可能會報錯，但其中option的參數可以調整
## step 5
finetuning時用的training set(fituning set)要用high resolution的，因為source model通常是用chain model (是用high resolution的資料train的)，但如果確認source model是非chain model，那此時就也要用“非”high resolution的資料