语音识别第一讲，概述！
1、概述 声音从本质是一种波，这种波可以作为一种信号来处理，所以语音识别的输入实际上就是一段随时简播放的信号序列而输出则是一段文本序列。将语音片段输入转化为文本输出的过程就是语音识别。 一个完成的语音识别系统通常包括信号处理和特征提取、声学…
121 0 0
声浪
OpenSpeaker 之模型转换
今天我们先看一下通用的模型部署场景，然后讨论一下Libtorch模型转换。 深度学习模型部署 深度学习模型训练完成后，需要将模型部署应用，该部门一般无需再考虑如何修改训练方式或者修改网络结构以提高模型精度，更多的是需要明确部署的场景、部署方…
727 0 0
OpenSpeaker之声纹模型训练
根据规划，今天来看第二部分模型训练： 1、声纹模型 声纹识别已有几十年的历史，但是真正的声纹模型应用，应该是从深度学习兴起之后，目前主流的声纹识别系统，也基本都是基于深度学习的方法来做的，包括经典的d-vector, x-vector, R…
425 0 0
语音识别-中英混ASR案例
首先语音识别系统对收集到的目标语音进行预处理，这个过程就已经十分复杂，包含语音信号采样、反混叠带通滤波、去除个体发音差异和设备、环境引起的噪声影响等等。之后对处理的语音进行特征提取。 语音识别的原理其实并不难理解，原理上和指纹识别的原理相同…
418 0 0
语音合成和语音识别资料查询说明
文章转载请标明出处：微信公众号 低调奋进 个人网站http://yqli.tech/本来整理语音合成相关的文章、数据以及开源工具等等。现在，我对资料进行整理，添加了语音识别模块，在这里分享给大家，节省读者查找资料的时间。接下来，我给大家详细…
480 0 0
调研报告｜级联编码器 (Cascaded Encoders) 在线+离线混合 ASR 模型
受到 Google 一篇论文CASCADED ENCODERS FOR UNIFYING STREAMING AND NON-STREAMING ASR的启发，准备采用级联编码来改善 Second Pass 的识别效果。 最近也有其他离在线…
365 1 0
OpenSpeaker之声纹数据整理
本文是OpenSpeaker系列的第二篇文章，全系列可参考这篇文章或者文末的专栏： https://zhuanlan.zhihu.com/p/419848589 根据规划，今天先来看第一部分数据整理： OpenSpeaker
517 0 0
百万小时无监督数据上训练80亿参数模型，多项语音任务上SoTA，语音的ImageNet时刻？（一）
0、摘要 本文总结了使用大型自动语言识别（ASR）模型进行的大量工作的结果，这些模型使用了包含大约一百万小时音频的无标签数据集进行预训练。作者发现，预训练、自监督训练和增大模型大小这三种方法的结合可以极大地提高数据有效利用率，即使对具有数万…
782 1 0