语音识别基础：（二）语音识别方法
语音识别的全称是自动语音识别（Automatic Speech Recognition，ASR），说得多了， 就把“自动”省去了，认为“自动”是理所当然的了。语音识别属于序列转换技术，它将语音序列转换为文本序列。大体来说，这是一次搬运，是把…
122 0 0
声浪
语音识别基础：（一）语音是什么
从最起初的一声巨响，到梵音天籁，到耳旁的窃窃私语，到妈妈喊我回家吃饭，总离不开声音。声音是这个世界存在并运动着的证据。 1.1大音希声 假设我们已经知道了声音是什么。 我们可以找到很多描述声音的词语，如“抑扬顿挫”、“余音绕梁”。当我们在脑…
129 0 0
语音分享系列_0608
1.AP-OLR Challenge 2020 Baseline Recipe发布 上次推送的语种比赛，baseline已经发布。 论文地址：https://arxiv.org/pdf/2006.03473； 地址：https://gith…
64 0 0
kaldi合并HI-MIA唤醒recipe
kaldi官方正式合并了基于HI-MIA数据集的唤醒recipe方案。此唤醒的recipe方案由北京希尔贝壳科技，西北工业大学音频语音与语言处理研究组，AISHELL Foundation合作完成。 此recipe方案基于北京希尔贝壳科技在…
255 0 0
kaldi合并出门问问唤醒recipe
近日，freewym（Yiming Wang）在kaldi的master分支合并了Wake-word detection #3467。 此前，出门问问团队在openslr上上传了数据，地址：https://www.openslr.org/8…
303 0 0
kaldi 语音识别实战
由中国工信出版集团，电子工业出版社，由陈果果，都家宇，那兴宇，张俊博四位同学合著的kaldi 语音识别实战这本书终于预售了。欢迎大家前去购买。地址在阅读原文里。
121 0 2
kaldi支持Lookahead graph decoding
kaldi官网（https://github.com/kaldi-asr/kaldi）合并了Lookahead graph decoding #3616。look ahead的具体解释：将当前节点历史下的后继单词语言模型得分最大值加进来（提…
39 0 0
tensorflow,mxnet,keras,CNTK,kaldi到底谁更合适做语音
从去年开始，深度学习工具箱如雨后春笋般一个接一个出来。但是作为语音识别的学生，研究或者工程人员应该选择哪个工具呢？下面是我的一些理解，希望对大家选用工具有一点帮助。 1、tensorflow 社区应该目前是最大的，谷歌有那么一大帮人来维护，…
89 0 0
kaldi三音素GMM学习笔记
三音素GMM与单音素GMM的主要差别在于决策树状态绑定，与GMM参数更新相关的原理、程序和类两者都是一样的。 在这个笔记中，我会首先介绍表示HMM的类HmmTopology和TransitionModel，然后介绍三音素GMM训练脚本tra…
44 0 0
Kaldi决策树状态绑定学习笔记（四） ——如何构建决策树？
到现在为止，程序acc-tree-stats累积好了构建决策树所需的统计量，程序cluster-phones和compile-questions自动生成好了构建决策树所需的问题集，我们也准备好了roots.int文件，那么我们就可以开始构建…
32 0 0