声学模型

对CTC、RNA、RNN-T的理解

首先，二者都是解决时序类问题的CTC(一种损失函数)：传统对于传统语音识别声学模型的训练，每一帧所对应的标签都必须要确定，只有这样才可以对模型进行训练，所以传统方法在训练模型之前必须对数据进行预处理，也就是做语音对齐
浅蓝的爽肤水·2022-06-27 07:12

嵌入式linux 声控,基于Cortex-A9的嵌入式语音识别系统设计

本文从嵌入式语音识别系统的组成分别介绍前端信号处理、声学模型和语言模型等相关技术点
weixin_39972019·2022-06-13 07:34

python gmm em算法 2维数据_AI大语音（九）——基于GMM-HMM的连续语音识别系统（深度解析）...

扫描下方“AI大道理”，选择“关注”公众号上一专题GMM-HMM声学模型中讲述了其理论知识，这一章利用理论搭建一套GMM-HMM系统，来识别连续0123456789的英文语音。
weixin_39958019·2022-06-13 07:33

语音识别维特比解码_AI大语音（九）| 基于GMM-HMM的连续语音识别系统（深度解析）...

扫描下方“AI大道理”，选择“关注”公众号上一专题GMM-HMM声学模型中讲述了其理论知识，这一章利用理论搭建一套GMM-HMM系统，来识别连续0123456789的英文语音。
pendd~~~·2022-06-13 07:30

AI大语音（九）——基于GMM-HMM的连续语音识别系统（深度解析）

上一专题GMM-HMM声学模型中讲述了其理论知识，这一章利用理论搭建一套GMM-HMM系统，来识别连续0123456789的英文语音。本系统是单音素，未涉及后面三音子的训练以及决策树的内容。
AI大道理·2022-06-13 07:26

AI大语音（十三）——DNN-HMM （深度解析）

最开始便是DNN代替了GMM来进行观察状态概率的输出，实现DNN-HMM声学模型框架，大大提高了识别率。1GMM-HMM与DNN-HMM对比DNN-HMM用DNN替换了GMM来对输入语
AI大道理·2022-04-25 07:30

语音识别——基于深度学习的中文语音识别系统框架

本文搭建一个完整的中文语音识别系统，包括声学模型和语言模型，能够将输入的音频信号识别为汉字。
hnzwx888·2022-04-25 07:24

【论文学习】《A Survey on Neural Speech Synthesis》

ASurveyonNeuralSpeechSynthesis》论文学习文章目录《ASurveyonNeuralSpeechSynthesis》论文学习摘要1介绍1.1TTS技术的历史1.2调查的组成2TTS中的关键组件2.1主要分类2.2文本分析2.3声学模型
FallenDarkStar·2022-04-18 07:06

语音识别

具体过程是首先从语音数据中经过特征提取得到声学特征，然后经过模型训练统计得到一个声学模型(声学模型对应于语音到音素的概率计算)，作为识别的模板，并结合语言模型(音素到文字的概率计算
dingtom·2022-02-03 08:24

【AI 全栈 SOTA 综述 】这些你都不知道，怎么敢说会 AI？【语音识别原理 + 实战】

章目录前言语音识别原理信号处理，声学特征提取识别字符，组成文本声学模型语言模型词汇模型语音声学特征提取：MFCC和LogFBank算法的原理实战一ASR语音识别模型系统的流程基于HTTP协议的API接口客户端未来实战二调百度和科大讯飞
·2021-10-25 21:19

kaldi 源码分析(八) - DNN训练过程

在kaldi训练过程中，DNN的训练是依赖于GMM-HMM模型的，通过GMM-HMM模型得到DNN声学模型的输出结果(在get_egs.sh脚本中可以看到这一过程)。
走在成长的道路上·2021-05-11 00:58

【原理+实战】AI所有领域SOTA综述 （一）语音识别

文章目录前言语音识别原理信号处理，声学特征提取识别字符，组成文本声学模型语言模型词汇模型语音声学特征提取：MFCC和LogFBank算法的原理实战一ASR语音识别模型系统的流程基于HTTP协议的API接口客户端未来实战二调百度和科大讯飞
cv君·2021-04-01 21:23

网易首支AI歌曲《醒来》发布：声音太逼真 能瞒过人类

这位由神经网络声学模型和神经声码器完成人声合成的“主唱”，可以确保歌曲发音人在不同BPM、风格歌谱上音高、节奏的绝对稳定性。《醒来》歌词故事线以虚拟人深夜醒来的画面展开，通
不知名某某某·2020-12-14 09:26

语音识别端到端模型解读：FSMN及其变体模型

在各种神经网络类型中，RNN因其能捕捉序列数据的前后依赖信息而在声学模型中被广泛采用。用得最多的RNN模型包括LSTM、GRU
华为云开发者社区·2020-12-03 14:36

语音识别端到端模型解读：FSMN及其变体模型

在各种神经网络类型中，RNN因其能捕捉序列数据的前后依赖信息而在声学模型中被广泛采用。用得最多的RNN模型包括LSTM、GRU
华为云开发者社区·2020-12-03 14:52

端到端的TTS深度学习模型tacotron(中文语音合成)

TACONTRON:AFullyEnd-to-EndText-To-SpeechSynthesisModel通常的TTS模型包含许多模块，例如文本分析，声学模型，音频合成等。
c2a2o2·2020-11-22 08:11

qt 语音识别

按照目前主流的研究方法，连续语音识别和孤立词语音识别采用的声学模型一般不同。孤立词语音识
编程大乐趣·2020-10-27 18:41

从零开始语音识别（5）--- 端到端的语音识别系统

为什么需要端到端的系统传统语音识别系统非常复杂，需要分别训练声学模型、语言模型、发音模型需要领域特殊的专业知识通过端到端的模型可以直接将输入的声学特征转变为文本端到端语音识别系统介绍Seq2Seq此模型长用于机器翻译
Lixian ma·2020-09-18 15:14

MPEG音频编码分析

目录基本流程设计框架变量设置音频读入多相滤波器结合窗函数和滤波计算比例因子心理声学模型比特分配量化与装帧实验要求输出音频的采样率和目标码率对于某个数据帧，输出该帧所分配的比特数，该帧的比例因子，该帧的比特分配结果基本流程重点关注代码中如何实现双线流程的结合
pzp49666·2020-09-17 12:22

[转]kaldi ASR: DNN训练

本文通过简单kaldi源码，分析DNN训练声学模型时神经网络的输入与输出。
aig8440·2020-09-17 11:05

第二周第一天第二天第三天第四天第五天

开会：分好任务，wyl做语言模型，我和yyp做声学模型，还是想先看懂那个ARST系统的代码，然后做修改完成！
清醒の人·2020-09-17 10:45

第一二周工作量

搭建环境学习”语音识别“系统架构、流程、原理专注学习声学模型训练CNN+LSTM+CTC，结果不理想
清醒の人·2020-09-17 10:43

心理声学模型在感知音频编码中的应用

心理声学模型在感知音频编码中的应用写在前面的话0引言1心理声学的基本概念1.1声音的掩蔽效应(Auditorymasking)1.1.1时域掩蔽效应(Temporalmasking)1.1.2频域掩蔽效应
Jianing_Wang·2020-09-16 11:11

基于深度学习的中文语音识别系统框架（pluse）

目录声学模型GRU-CTCDFCNNDFSMN语言模型n-gramCBHG数据集本文搭建一个完整的中文语音识别系统，包括声学模型和语言模型，能够将输入的音频信号识别为汉字。
weixin_30240349·2020-09-16 10:55

(9) [CS15] Fast and Accurate Recurrent Neural Network Acoustic Models for Speech Recognition

ABSTRACT&INTRODUCTION摘要最近我们发现，作为语音识别的声学模型，深度长短期记忆(LSTM)递归神经网络(RNNs)优于前馈深度神经网络(DNNs)。
gdtop818·2020-09-10 20:14

语音识别 之 语言模型，声学模型

声学模型是对声学、语音学、环境的变量、说话人性别、口音等的差异的知识表示，语言模型是对一组字序列构成的知识表示。
才大难为用·2020-09-05 13:56

声纹识别的语言依赖前端分析

AnalysisofLanguageDependentFront-EndforSpeakerRecognition声纹识别的语言依赖前端分析摘要在基于深度神经网络（DNN）i-vector的说话人识别系统中，训练用于自动语音识别的声学模型
落雪snowflake·2020-08-25 05:29

Speech Recognition Algorithms Using Weighted Finite-State Transducers

语音识别概述语音识别统计框架语音分析/特征提取声学模型子词模型和发音字典上下文相关音素模型语言模型解码WFSTFAFA基本性质半环理论基本操作转换器组合算法优化算法：确定化、weightpushing、
qq_14962179·2020-08-23 06:03

Sphinx武林秘籍(中)

Sphinx武林秘籍(中)――训练自已的中文语言模型与声学模型一、训练语言模型(1)安装语言模型训练工具CMUCLMTK     .
weixin_33946605·2020-08-19 21:15

声学模型学习笔记（三） DNN-HMM hybrid system

architecture声学信号使用HMM框架建模，每个状态的生成概率使用DNN替换原来的GMM进行估计，DNN每个单元的输出表示状态的后验概率。decoding实际的语音识别解码的时候使用的是似然概率：w^=argmaxwp(w|x)=argmaxwp(x|w)p(w)/p(x)=argmaxwp(x|w)p(w)其中声学部分概率为p(x|w)，使用的是似然概率。所以需要将DNN输出的后验概率转
xmucas·2020-08-19 06:53

语音识别——基于深度学习的中文语音识别系统框架

本文搭建一个完整的中文语音识别系统，包括声学模型和语言模型，能够将输入的音频信号识别为汉字。
东方佑·2020-08-19 04:32

宾西法尼亚大学强制对齐标注软件（P2FA）介绍以及使用说明

它包括美式英语的声学模型，用来强制对齐的python文件以及readme文件和一些例子。
JamesJuZhang·2020-08-19 04:37

语音识别笔记 (五) MFCC,搜索-解码,Embedded Training

欢迎大家关注我的博客http://pelhans.com/，所有文章都会第一时间发布在那里~讲完声学模型的建立,现在我们就来讲讲它的输入和输出应该怎么处理.第五讲梅尔频率倒谱系数(MFCC)在一个ASR
Pelhans·2020-08-19 02:13

kaldi训练mono-phone——强制对齐

kaldi中训练声学模型，首先是训练单音素模型，即mono-phone过程，本文主要讲述mono-phone训练的过程。
audiocool·2020-08-19 01:29

【DKNN】Distilling the Knowledge in a Neural Network 第一次提出神经网络的知识蒸馏概念

对于Android语音搜索所用模型的一种深层声学模型，我们已经表明，通过训练一组深层神经网络实现的几乎所有改进都可以提炼成相同大
_Summer tree·2020-08-17 11:54

语音识别中的声学模型（AM）和语言模型(LM)

decoder是根据字典，声学模型和语音模型，将输入的语音特征
jinmingz·2020-08-17 04:10

语音识别|基于CNN+DFSMN（简化版：标量+无步长因子）的声学模型实现及代码开源（keras）

由于我主要研究问答系统，因此本博客仅更新NLP及问答相关内容，最近创了一个群，如果大家感兴趣可加q群号：376564367github:https://github.com/makeplanetoheaven/NlpModel/tree/master/SpeechRecognition/AcousticModel/dfsmn_v1背景知识FSMN和DFSMN系列模型的结构及其实现原理可参考如下两篇
东方佑·2020-08-17 03:01

【计算机科学】【2015】语音识别、计算化学和自然语言文本处理中的深度学习问题

在语音识别领域，利用深度神经网络建立了一个更精确的声学模型。该模型使用R
梅花香——苦寒来·2020-08-16 03:43

语音识别—声学模型训练（前向-后向算法）

声学模型训练（前向-后向算法）前文讲述了语音识别声学模型训练算法，主要基于Viterbi-EM算法来估计模型中参数，但是该方法对于计算语料中帧对应状态的弧号存在计算复杂度指数级增加的问题，为解决上述问题
Xwei1226·2020-08-15 22:58

语音识别—声学模型训练（Viterbi-EM）

Viterbi-EM语音识别训练方法前文刚研究过语音识别特征提取以及基于Viterbi的状态解码方法，现着手研究基于GMM-HMM的语音语音识别声学模型训练方法，其理论部分可参考本人前期所写的GMM-HMM
Xwei1226·2020-08-15 22:58

语音识别研究现状

2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率
Xwei1226·2020-08-15 22:58

语音识别中特征提取MFCC、FBANK、语谱图特征提取

作者微信：zw76859420好久没写博客了，今天更新一下使用Python提取声学模型的特征，一共三种特征，分别是MFCC、FABN
Xwei1226·2020-08-15 22:53

【计算机科学】【2014】用于自动语音识别ASR的深度神经网络声学模型

本文为加拿大多伦多大学（作者：Abdel-rahmanMohamed）的博士论文，共129页。自动语音识别（ASR）是信息时代的一项关键核心技术。ASR系统已经从孤立数字的区分发展到识别电话质量、自然语音，在各个领域有着越来越多的实际应用。尽管如此，语音识别仍然面临着严峻的挑战，需要在语音识别过程的几乎每个阶段进行重大改进。多年来，ASR的标准方法基本保持不变，它使用隐马尔可夫模型（HMM）对语音
梅花香——苦寒来·2020-08-15 21:11

CNN-ASR

2012年，微软邓力和俞栋老师将前馈神经网络FFDNN（FeedForwardDeepNeuralNetwork）引入到声学模型建模中，将FFDNN的输出层概率用于替换之前GMM-HMM中使用GMM计算的输出概率
Xwei1226·2020-08-15 20:13

ASR-深度卷积神经网络之语音识别

这个程序是用的一个深度卷积神经网络来做的，整个程序分为以下几个模块，分别是声学模型和语言模型在这里主要说的声学模型的，就是将文字转化为拼音，至于将拼音转换为文字则属于语言模型的事情！
james2047·2020-08-15 20:02

语音识别（二）——基本框架, Microphone Array, 声源定位

基本框架语音识别系统主要有四部分组成：信号处理和特征提取、声学模型、语言模型（LanguageModel,LM）和解码器(Decoder)。
antkillerfarm·2020-08-15 13:21

语音识别方向的资料获取

1.总览：传统的模型为语言模型+声学模型，语言模型表示词之间的相互关系，声学模型表示音素和语音波形信号的对应，由于语音信号的多变性（长度，音调等变化），用GMM+HMM模型。
qq_33874667·2020-08-11 20:31

数据压缩（十三）——MPEG音频编码原理及编码器调试

文章目录一、MPEG音频编码原理1.1基本思想1.2心理声学模型（Psychoacousticmodel)1.2.1听觉阈值1.2.2频域掩蔽1.3临界频带（CriticalBand）1.4人耳听觉系统
weixin_41926958·2020-08-11 14:33

语音识别基础（一）——语音信号的产生和特性

由于重心放在声学模型、算法上，所以这些知识并没有很深入的介绍，都是为了理解确实可以用GMM-HMM或深度学习方法来进行语音识别而服务的。估计写两到三篇，如有不当之处，还请各位大佬指正。
既往不恋未来不迎·2020-08-09 02:46

kaldi解码流程

1.解码之前工作：首先训练好模型，用到4个文件：final.mdl（训练得到的声学模型文件）final.mat(用来特征转换)HCLG.fst（fst文件）words.txt（字典文件）此外还要提供带解码音频文件或路径
qq_14962179·2020-08-08 18:34
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他