thchs30流程

第一阶段:./cmd.sh . ./path.sh(设置执行路径以及命令脚本名字)

这里写图片描述

ps:decode 解码 train 训练


第二阶段:data preparation(数据准备阶段)

执行 local/ thchs-30_data_prep.sh

为了创建: wav.scp, utt2spk.scp, spk2utt.scp, text 还有words.txt phone.txt

这里写图片描述

- 循环遍历thchs30/thchs30-openslr/data_thchs30/data/ 中 dev test train 3个文件夹内的wav 视频(6g视频) 获取它们的名字(如:C08_559 )

- 循环遍历thchs30/thchs30-openslr/data_thchs30/目录下的 data test train 3个文件夹内的wav 视频(6g视频) 获取.wav.trn

- 它们的名字(如:C08_559 ) 生成了 utt2spk, wav.scp 存放在egs/thchs30/s5/data/ 中 dev test train 3个文件夹

- 它们的.wav.trn 生成了phone.txt word.txt 存放在egs/thchs30/s5/data/ dev test train 3个文件夹

- utils包 utils/utt2spk_to_spk2utt.pl 利用 utt2spk 产生 spk2utt (两者排序不同而已) 存放在egs/thchs30/s5/data/ dev test train 3个文件夹

这里写图片描述

上图为目录,下图为utt2spk(由上图数据生成下图数据)

这里写图片描述

ps:C13与C14 是不同的讲话者

更多文件解释在:http://blog.youkuaiyun.com/dzp443366/article/details/54094950

第三阶段:产生的MFCC特征以及计算CMVN

MFCC就是语音特征提取

1. steps/make_mfcc.sh

2.steps/compute_cmvn_stats.sh

第四阶段:建立一个大的词汇,包括词的训练和解码

源码备注:(就是上述标题意思)

prepare language stuff

build a large lexicon that invovles words in both the training and decoding.

这里写图片描述

查看两个生成文件语句,从resource包中复制dict文件夹到 项目中的data文件夹

看一下dict里面的文件 lexicon.txt 以及phones.txt

这里写图片描述

上图为lexicon.txt

格式为: <词汇> <音素>


这里写图片描述

上图为:nonsilence_phones.txt

格式为:全部音标

我们把这一步看作准备大量的素材,用于后续构造训练器。

第五阶段 算法训练

步骤为: 单音素训练, tri1三因素训练, trib2进行lda_mllt特征变换,trib3进行sat自然语言适应,trib4做quick

后面就是dnn了

这些操作的文件夹 是

- data/mfcc/train (mfcc模块)

- data/lang (语音模型)

- exp/mono_ali (mono:单音节训练)

- exp/exp/tril


参考文献:https://blog.youkuaiyun.com/dzp443366/article/details/54094018

基于深度学习识别THCHS30数据集 深度学习(Deep Learning,简称DL)是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,其目标是让机器能够像人一样具有分析学习能力,识别文字、图像和声音等数据。深度学习通过学习样本数据的内在规律和表示层次,使机器能够模仿视听和思考等人类活动,从而解决复杂的模式识别难题。 深度学习的核心是神经网络,它由若干个层次构成,每个层次包含若干个神经元。神经元接收上一层次神经元的输出作为输入,通过加权和转换后输出到下一层次神经元,最终生成模型的输出结果。神经网络之间的权值和偏置是神经网络的参数,决定了输入值和输出值之间的关系。 深度学习的训练过程通常涉及反向传播算法,该算法用于优化网络参数,使神经网络能够更好地适应数据。训练数据被输入到神经网络中,通过前向传播算法将数据从输入层传递到输出层,然后计算网络输出结果与实际标签之间的差异,即损失函数。通过反向传播算法,网络参数会被调整以减小损失函数值,直到误差达到一定的阈值为止。 深度学习中还包含两种主要的神经网络类型:卷积神经网络(Convolutional Neural Networks,简称CNN)和循环神经网络(Recurrent Neural Networks,简称RNN)。卷积神经网络特别擅长处理图像数据,通过逐层卷积和池化操作,逐步提取图像中的高级特征。循环神经网络则适用于处理序列数据,如文本或时间序列数据,通过捕捉序列中的依赖关系来生成模型输出。 深度学习在许多领域都取得了显著的成果,包括计算机视觉及图像识别、自然语言处理、语音识别及生成、推荐系统、游戏开发、医学影像识别、金融风控、智能制造、购物领域、基因组学等。随着技术的不断发展,深度学习将在更多领域展现出其潜力。 在未来,深度学习可能会面临一些研究热点和挑战,如自监督学习、小样本学习、联邦学习、自动机器学习、多模态学习、自适应学习、量子机器学习等。这些研究方向将推动深度学习技术的进一步发展和应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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