kaldi 使用样例表

最新推荐文章于 2025-08-23 11:41:43 发布
转载 最新推荐文章于 2025-08-23 11:41:43 发布 · 355 阅读 · 3 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/c12345678999/article/details/106373096?spm=1001.2014.3001.5501
文章标签：

#语音识别

【Kaldi例子】Librispeech数据整理
qq_39573785的博客
01-12 1万+
数据分集 数据采集自有声书网站，首先对每个句子做一遍语音识别，识别模型使用WSJ示例中的声学模型，语言模型使用二元文法，语言模型数据为语音数据对应的电子书文本。根据识别结果，统计每个说话人的WER，从低到高排序，前一半标记为clean，表示这些说话人语音比较清晰，其余标记为other。 从clean数据中，随机抽取20名男性和20名女性作为开发集（dev-clean），剩余说话人抽取相同规模的测试集（test-clean），其余作为训练集。训练集随机分为100小时和360小时的子集（train-clean-
【Kaldi例子】Kaldi特征提取
qq_39573785的博客
01-12 2193
声学特征提取 因为从语音时域信号中很难找到发音规律，即使是类似的发音，也可能看起来非常不同，因此一般不同直接用于识别。 事实上，我们的耳朵是通过频域而不是波形来辨认声音的，吧时域信号做短时傅里叶变换（Short-time Fourier Transform，STFT），就得到了声音的频谱。我们以帧为单位，根据听觉感知原理，按需调整声音片段频谱中各个片段的赋值，将其参数化，得到适合表示语音信号特性的向量，这就是声学特征（Acoustic Feature）。虽然在端到端语音识别研究中，也出现了一些直接输入语音波
kaldi例子学习
08-18
下面是run.sh 我看懂每一行都有一个注释 #!/bin/bash # Copyright Ondrej Platek Apache 2.0 renice 20 $$ # Load training parameters . ./env_voip_cs.sh ；；设置环境变量，各种参数文件夹名称== # Source optional config if exists [ -f env_voip_cs_CUSTOM.sh ] && . ./env_voip_cs_CUSTOM.sh ；；如果用户设置了环境变量，则执行用户提供的shell
Kaldi 学习笔记--实例yesno
fishllife的博客
10-31 1804
参考：https://blog.youkuaiyun.com/nsh119/article/details/81587462          https://blog.youkuaiyun.com/shichaog/article/details/73264152          https://www.cnblogs.com/welen/p/7485151.html yesno是关于yes和no两个孤立词的识...
【Kaldi例子】YesNo：Hello Kaldi
qq_39573785的博客
12-11 3715
本文是对Kaldi中最简单例子egs/yesno/s5的实验记录。 数据集 使用数据集waves_yesno，该数据集只有yes和no两种发音。数据集没有文本文件，因为音频对应的文本都由wav文件的文件名所表示。例如1_0_1_0_1_0_0_1.wav中，1表示yes，0表示no。 数据准备 划分训练集和测试集 把数据规范成Kaldi规定的数据文件夹格式 # 运行local/prepare_data.sh waves_yesno后生成的结果 # 其中local文件夹里的脚本是特别为该数据集编写的，
Kaldi 使用，egs下通用样例及功能小结（很硬，慎入）
c12345678999的博客
05-29 4063
样例表 egs下的样例 数据源，功能 用到的相关工具 aidatatang_200zh/s5 数据堂200h中文开源数据，用于语音识别 LM+MFCC+Mono+Triphone(tri1:deltas;tri2:delta+delta-delta;tri3a:lda+mllt)+fMLLR+SAT+TDNN aishell/v1 openslr33数据 ，声纹识别(ivector) MFCC+UBM+PLDA aishell/s5 openslr33数据 ，语音识别 LM+MFCC
kaldi-gop两种算法简介及c++实现
wyw0000的博客
03-11 1107
kaldi-gop 算法 c++实现
Kaldi学习笔记：跑tidigits样例
Tina_ZHOU3的博客
08-12 4550
1、语料库----TIDIGITS(LDC93S10) 这个语料库分为Adults和Chidlren两部分 里面均有TIDIGITS子目录 TIDIGITS子目录中有TEST和TRAIN数据 TEST和TRAIN目录下分别有按照性别和说话人分类的WAV文件，是我们需要的训练和测试数据。接下来要使用Kaldi下egs中的tidigits样例来处理这些数据。
kaldi nnet3实时解码（使用麦克风在线解码）
遇逆境、泰然处之
03-31 2346
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
kaldi timit实例运行全过程
shmilyforyq的博客
07-17 9701
第一步：准备timit的数据包 1.下载timit数据包，我已经上传到百度云盘—链接http://pan.baidu.com/s/1qYkDora 2.将timit数据包TIMIT.zip从Windows加载到linux服务器上（我用的服务器，当然你们可以用虚拟机） 打开SecureCRT，点击链接SFTP会话，（你需要提前将TIMIT.zip放在
Kaldi 入门使用教程
snowleopard_bin的博客
07-05 3801
Kaldi 入门使用教程
Kaldi的简单介绍和基本使用说明
热门推荐
DL_62532的专栏
12-03 2万+
Kaldi作为目前最流行的ASR开源项目之一，已被广泛研究和使用。 自从2019年Daniel Povey加入小米，小米和Kaldi相互成就，大大推动了Kaldi的发展，使Kaldi保持了持续、强劲的生命力。 Kaldi使用了最自由的授权协议，任何人都可以自由修改和使用（包括商用），大家不妨也来用用。 本文大概讲了语音识别的原理和过程，对kaldi的安装、训练和部署在线语音识别服务的一整套使用过程作了大概说明， 可以作为初学者的入门资料来参考。非常欢迎大家来共同交流，不足之处还望批评指正。
kaldi基本使用 & debug
林宋的搬砖流水账
11-25 896
提特征 wav.scp/utt2spk/spk2utt 对于xx.wav格式的语音，wav_id指的是xx,wav_dir指的是abs_dir/xx.wav wav.scp "wav_id wav_dir" word_txt "wav_id content" spk2utt spk wav_name（对应所有的），一般spk是wav_name的下划线之前部分 spk_wavid=wav_name utt2spk 每行的格式：wav_name spk ...
kaldi学习与使用
最新发布
2302_76511353的博客
08-23 1293
打开新的终端 输入sudo apt install gstreamer1.0-plugins-bad gstreamer1.0-plugins-base gstreamer1.0-plugins-good gstreamer1.0-pulseaudio gstreamer1.0-plugins-ugly gstreamer1.0-tools libjansson-dev安装插件。我相信，在未来的日子里，随着技术的不断进步和应用场景的不断拓展，语音识别技术将会为我们带来更多的便利和惊喜。
Kaldi语音识别快速入门
q6q6q的专栏
10-27 1312
一.简介Kaldi是使用C++编写的语音识别工具包，Apache License v2.0许可。主要供语音识别研究人员使用。Kaldi的目标和范围与HTK类似。目标是拥有易于修改和扩展的现代而灵活的代码。主要功能包括：1.与有限状态传感器FST的代码进行集成，根据OpenFst工具箱【作为库】进行编译。2.广泛的线性代数支持，包括一个包装标准BLAS和LAPACK例程的矩阵库。3.可扩展的设计，以...
kaldi
zz_hh_uu_的博客
01-26 428
aishell配置指南 cmd.sh 改为本地运行模式,将原先文件注释,添加如下代码: export train_cmd=run.pl export decode_cmd="run.pl --mem 4G" export mkgraph_cmd="run.pl --mem 8G" export cuda_cmd="run.pl --gpu 1" run.sh 下载数据集,将原来数据集路径改为本地...
kaldi常用的工具
zjm750617105的专栏
09-14 1万+
本文部分参考自： http://www.360doc.com/content/15/0101/10/13208159_437287894.shtml 样例是用自己的数据跑的，改编自wsj，文件名称不是很标准，但重点是工具的使用，加路径是为了好理解，内容暂时不解释，以后有时间来补充。 这个文档太棒了，理解每一个步骤，语音识别的整个流程也就懂了，太赞 1. 查看生成的后缀为fst的状态机文件，比
KALDI - Kaldi 语音识别的工具包
程永强
08-27 906
KALDI - Kaldi 语音识别的工具包
语音识别--kaldi环境搭建（基于Ubuntu系统）
weixin_38468077的博客
01-29 4478
最近开始接触语音识别，又在师兄那里了解到kaldi这个模型，于是就想着去试验一下，找找感觉。好了，废话不多说。干就完了！！！ 1.安装一个ubuntu的虚拟机 我使用的是vm创建的虚拟机，当然大家也可以使用VitureBox创建，本质都一样，没啥差别。 2.下载前的准备 2.1 安装必要的依赖库 sudo apt-get install git wget make 其执行结果如下： 2.2 ...
kaldi使用
03-08
### 使用 Kaldi 进行语音识别 #### 准备工作 为了利用 Kaldi 工具包执行语音识别任务，需先安装并配置好环境。Kaldi 是专为研究者和专业人士设计的开源工具集[^1]。 #### 获取预训练模型 对于初次使用者来说，可以从官方网站获取已经训练好的模型来快速上手。这些现成的模型能够帮助理解整个流程而无需从头开始训练自己的模型。 #### 数据准备 在实际应用中，通常需要准备好待处理的数据集。这包括音频文件及其对应的转录文本。数据的质量直接影响到最终的结果准确性。 #### 特征提取 通过命令行工具 `compute-mfcc-feats` 或其他指定方式计算梅尔频率倒谱系数(MFCC)，这是常见的声学特征之一。此过程会将原始音频转化为适合后续分析的形式： ```bash compute-mfcc-feats --config=mfcc.conf scp:data/train/wav.scp ark:- | copy-feats ark:- ark,scp:exp/mfcc_train.ark,data/train/feats.scp ``` 上述脚本读取波形路径列表(`wav.scp`)作为输入，并保存生成的MFCC特征至目标位置。 #### 训练或加载模型 如果采用已有模型，则跳过训练阶段；若是自定义开发新模型，则要经历一系列复杂的参数调整与优化操作。这里假设使用的是官方提供的预训练模型。 #### 解码过程 完成以上准备工作之后就可以进入解码环节了。借助 lattice-free maximum mutual information (LF-MMI) 等算法实现最优路径搜索从而得到最可能的文字表达形式。具体可以通过如下指令启动解码程序： ```bash gmm-latgen-faster --max-active=7000 --beam=13.0 --lattice-beam=6.0 --acoustic-scale=0.1 --word-symbol-table=exp/dict/words.txt exp/tri3b/final.mdl data/lang/G.fst "ark:sphinx_featurize.sh --feat-type mfcc --data-dir=data/test --output-ark-path=/dev/stdout" ark,t:- | ``` 这段代码片段展示了如何调用 GMM-HMM 模型来进行实时解码的任务。 #### 后处理 最后一步是对输出结果做进一步整理和完善，比如去除冗余符号、拼接断句等，使得最终呈现给用户的文字更加自然流畅。
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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