Automatic Speech Recognition(ASR) 学习资源

【AI语音基础】ASR基本知识 带入上面公式,S表示将Hyp转化为Ref时发生的替换数量,D表示将Hyp转化为Ref时发生的替换数量,I代表将Hypo转化为Ref时发生的插入数量,N代表Ref句子中总的字数或者英文单词数。定义:为了使识别出来的词序列和标准的词序列之间保持一致,需要进行替换、删除或者插入某些词,这些插入、替换或删除的词的总个数,除以标准的词序列中词的总个数的百分比,即为WER。因为英文语句中句子的最小单位是单词,而中文语句中的最小单位是汉字,因此在中文语音转文本任务或中文语音识别任务中使用。 阅读详情
Courses:
1.EECS E6870 — Fall 2012 Speech Recognition

2.CSE 6328 SPEECH AND LANGUAGE PROCESSING (FALL 2012)

3.CS 224S/LINGUIST 285 Spoken Language Processing Coming (语音与语言处理 作者开的课)

4.AUTOMATIC SPEECH RECOGNITION (ASR): 2013/14 (不少Neural Network方面的内容)


开源工具(C/C++):
1. HTK (较久远,早已不更新,)
2. kaldi (11年开始,很棒的学习工具,支持CUDA;有DNN+HMM)

large vocabulary continuous speech recognition (LVCSR)
目前有两种方式:
1.传统方法——GMM+HMM
2.近年ASR的breakthrough——NN(DNN、CNN)+HMM

LVCSR主要分:语言模型(Language Model)+声学模型+HMM

声学模型最初使用GMM建模,Deep Learning爆发之后,从09开始DL在声学建模上取得重大突破


图书:

语音技术


语音合成(speech synthesis)方向一:双重学习Dual Learning 声明:工作以来主要从事TTS工作,平时看些文章做些笔记。文章中难免存在错误的地方,还望大家海涵。平时搜集一些资料,方便查阅学习:TTS 论文列表 http://yqli.tech/page/tts_paper.html TTS 开源数据 http://yqli.tech/page/data.html 写在文前:该方向不是我研究的方向,只是凭着兴趣阅读相关文章,对应的实验没有时间和资源做(不能占用公司的资源)。 1 背景 世界存在6000多种语言,按照工业标准来制作高质量的TTS和ASR,每种语言获取训 阅读详情

相关推荐

论文阅读:META LEARNING FOR END-TO-END LOW-RESOURCE SPEECH RECOGNITION

论文阅读:META LEARNING FOR END-TO-END LOW-RESOURCE SPEECH RECOGNITION 下载链接:https://arxiv.org/abs/1910.12094 主要思想: 本篇文章的主要思想是利用meta learning实现低资源的ASR。 meta learning: learn to learn。主要是获取一种“学会学习”的能力,使其可以在获取已有“知识”的基础上快速学习新的任务。 具体可以参考这篇文章...

qq_23126625的博客 525

Speech Recognition System 1.0.4.unitypackage

Unity插件。语音识别(离线版)插件。支持中文、英文、俄语、法语、阿拉伯语等19种语言。支持多平台(PC、移动端)。

Automatic Speech Recognition (ASR)原理与代码实例讲解

Automatic Speech Recognition (ASR)原理与代码实例讲解 作者:禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词:语音识别、声学模型、语言模型、深度学习、端到端模型、Ka

AI天才研究院 772

序列自动机

自动机的基础知识 https://oi-wiki.org/string/automaton/ 好的,那么我们就直接进入正题。 顾名思义,序列自动机,那我们的状态其实是一个序列 假设给定一个字符串strstrstr 我们定义δ(s,c)\delta(s,c)δ(s,c)代表在sss这个位置之后ccc字符出现的第一个位置 那么很显然,这个可以从后往前递推求解,就可以求出转移函数了 构建 void build(char *str, int n){ for (register int i = 0; i &l

Soap__的博客 405

Building an Automatic Speech Recognition System with De

作者:禅与计算机程序设计艺术 1.简介 在计算机视觉、自然语言处理、语音识别等领域,深度学习技术一直处于蓬勃发展阶段。近年来,随着端到端深度学习系统的出现,基于深度学习的人机交互应用越来越多。自动语音识别(ASR)就是其中一个重要子领域,它利用深度学习方法解决语音识别问题。本文介绍如何用深度学习构建一个

AI天才研究院 1105

How To Build an Automatic Speech Recognition System: St

作者:禅与计算机程序设计艺术 1.简介 在这个时代,人工智能和机器学习正成为人类社会发展的重要力量之一。语音识别(ASR)是一个涉及到很多技术的任务,本文将教大家如何利用机器学习方法构建一个自动化的语音识别系统。文章中会详细说明语音识别相关的技术原理、基本概念、核心算法以及构建一个自动化的语音识别系统所

AI天才研究院 1000

Almost Unsupervised Text to Speech and Automatic Speech Recognition

Abstract: 无监督方法,只需要利用几百对文本—语音对和额外的无标签的数据,提供给TTS和ASR components: 1.a denosising auto-encoder 2. 双机制训练;TTS是把text y转成语音x,ASR把利用x和y进行训练,反之亦然 3. 双向序列建模,主要解决长语音序列和文本序列在训练过程中出现的错误传播问题 4.一个un...

咕噜咕噜 706

eecs operating system

eecs operating system, from university of michigan shanghai jiao tong university joint institute. very good tutorial for beginners, just take a look and you will earn a lot.

SpecAugment: A Simple Data Augmentation Method for Automatic Speech Recognition

我们提出了SpecAugment,这是一种用于语音识别的简单数据增强方法。SpecAugment直接应用于神经网络的特征输入(即滤波器组系数)。增强策略包括对特征进行变形、遮蔽频道块和遮蔽时间步块。我们在端到端语音识别任务中将SpecAugment应用于Listen、Attend和Spell网络。我们在LibriSpeech 960h和Swichboard 300h任务上实现了最先进的性能,胜过了所有先前的工作。

ggqyh的博客 1873

automatic speech recognition a deep learning approach

这是经典的基于深度学习的语音识别教科书,由俞栋和邓力老师写的

Robust automatic speech recognition

系统讲解语音信号处理,已经语音识别基本原理及应用,对接cmu sphinx

SpecAugment: A Simple Data Augmentation Methodfor Automatic Speech Recognition

SpecAugment是一种简单的数据增强方法,用于语音识别。SpecAugment直接应用于神经网络的特征输入(即滤波器组系数)。增强策略包括对特征进行扭曲、屏蔽频率通道块和屏蔽时间步长块。我们在端到端语音识别任务的Listen, Attend and Spell网络上应用了SpecAugment。在LibriSpeech 960h和Swichboard 300h任务上,我们实现了最先进的性能,超越了所有先前的工作。

ggqyh的博客 1486

Automatic Speech Recognition

ASR brief introduction

墨西哥城:从阿兹特克湖上之城到现代都市的千年层积——trAIlblazers 博客的墨西哥城深度指南

墨西哥城是美洲大陆上历史密度最高的城市之一:它建在阿兹特克都城特诺奇蒂特兰(Tenochtitlán)的废墟之上,湖泽地基上的文明层叠与下沉的地质现实,共同塑造了这座城市独一无二的面貌。本文以 samples 仓库中 [trAIlblazers 博客的墨西哥城文章](https://link.gitcode.com/i/b5bb9ed6ffc8d18057308cf31fb59ccc) 为核心骨架

gitblog_00730的博客 419

em算法matlab代码-NYC_Green_Car_Analysis-big-data-project-:这是EECSE6870大数据分析最

em算法matlab代码这是EECSE 6893大数据分析2016年秋季的最终项目。我们的小组成员是XiangbingJi(xj2178),Yuanyi Yuan(jy2736),Xinzhe Yu(xy2282)。 我们的主题是纽约出租车数据分析。 用法: 前端全部包装在前端文件夹中。 您可以克隆存储库,并在前端文件夹的index.html中运行localhost来测试前端。 src包含后端的所有代码,包括用于GMM的EM,随机森林,拾取验证。 您将需要先运行data reorganization.ipynb,然后再运行后端代码。 我们还在matlab中实现了自己的EM算法版本,该版本位于GMM.m的/ src / GMM / EM中。 数据文件夹有两个文件。 一个是GMM模型的输出,另一个是D3可视化的总体统计信息。 数据集链接: 版权所有@向炳基,袁静怡,新哲宇2016

Automatic Speech Recognition A Deep Learning Approach

解析深度学习-语音识别实践-英文版,没有找到中文版的

针对黑盒自动语音识别系统的零查询对抗攻击Zero-Query Adversarial Attack on Black-box Automatic Speech Recognition Systems

现状:黑盒的对抗攻击对ASRs构成了重大威胁。然而,大多数现有的黑盒攻击依赖于对目标ASRs的查询,这耗费大量的时间和资源,且大量的查询容易导致攻击被发现而不成功。本文进行了大量的实验来评估ZQ-Attack。在在线环境下,zq攻击在4个在线语音识别服务中实现了100%的攻击成功率(SRoA),平均信噪比(SNR)为21.91dB,在16个开源ASR中实现了100%的SRoA和19.67dB的SNR。对于商用智能语音控制设备,ZQ-Attack也实现了100%的SRoA,平均SNR为15.77dB。

m0_54694280的博客 1221

项目过程记录:ADS-B信号接收并显示(Ubuntu20.04+ANTSDR E310V2)

最近被安排做一个ADS-B信号接收的项目,拿到软件无线电模块(ANTSDR E310V2)后安装环境和软件真的太折磨了。。在此记录以下我走过的弯路,大家可以参考一下。

weixin_43627638的博客 5017
上一篇: 一亩三分地
下一篇: Kaldi shell 脚本解析命令行选项
LiFeitengup
博客等级 码龄15年 466粉丝 59原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值