Kaldi单音素GMM学习笔记
今天我们就推送kaldi里的单音素GMM部分，主要内容如下： 原理 学习资料： 1. 统计学习方法--李航 a) 学习第九章《EM算法》，可跳过9.4节。弄明白EM算法在高斯混合模型（GMM）学习中的应用，搞明白几个公式。 b) 学习第十章…
50 0 0
声浪
Towards End-to-End Speech Reco
这是一篇谷歌语音团队在2018 interspeech上分享。ppt很长，大概180页左右，讲述了谷歌团队如何从CTC、RNN-T、LAS一步一步趟坑过来，然后把LAS做成谷歌线上产品。非常敬佩这个强大的团队，特别感谢他们的分享，这里分享给…
88 0 0
语音识别系列——特征部分（二）
本文主要来跟大家说下基于深度学习的一种特征，瓶颈特征（bottleneck）。此外，还有一个名词叫tandem，这个意思就是把bottleneck特征跟mfcc特征或者plp特征合并在一起使用，往往这么使用效果更好。下面介绍2种bottle…
170 0 0
语音识别系列 —— 特征部分（一）
语音本质是声带的振动，然后经过声道和口腔的调制才产生我们可以听到或拾取的声音，然而通过倒谱（cepstrum）分析语音就能将这一本质的特征参数提取出来。 梅尔倒频谱(Mel-Frequency Spectrum, MFC)是一个可用来代表短…
328 0 0
kaldi里的说话人识别例子
今天给大家说下如何利用kaldi搭建说话人识别的例子。仅仅是搭建，具体的很多参数的调整需要大家根据数据集的不同慢慢调整。 数据准备：无论使用kaldi来做语音识别还是说话人识别，第一步就是数据准备，对于说话人识别来说，需要准备的几个文件为w…
58 0 0
kaldi里的在线识别
语音识别分为训练和识别两个过程，训练包含声学模型的训练和语言模型的训练，识别就是大家说的那个过程。通常会通过麦克风来获取音频，这部分一般是系统函数调用获取得到音频数据，一般系统采用16k采样率，16bits，单通道的音频。当然也可能会用到高…
109 1 0