37、基于开源框架的自动语音识别系统训练案例研究

基于开源框架的自动语音识别系统训练案例研究

1. 引言

在自动语音识别（ASR）领域，使用开源框架训练高效的模型是当前研究和应用的热点。本案例研究聚焦于利用开源框架训练ASR系统，从传统的ASR引擎开始，逐步过渡到更先进的模型，最终以TDNN模型结束。

2. 数据集：Common Voice

Common Voice是Mozilla发布的一个包含500小时语音的语料库，由众包参与者录制文本语音而成。每个示例是一个单独的语音录制，录制完成后会经过同行评审以评估转录 - 录制对的质量。根据每个语音获得的正负投票数量，语音被标记为有效、无效或其他类别。
- 有效类别 ：至少经过两次评审，且多数评审确认音频与文本匹配。
- 无效类别 ：同样至少经过两次评审，但多数评审确认音频与文本不匹配。
- 其他类别 ：投票少于两次或没有多数共识的所有文件。

有效类和其他类又进一步分为训练集、测试集和验证集。其中，“cv - valid - train”数据集总共包含239.81小时的音频。该数据集具有复杂性，包含各种口音、录制环境、年龄和性别等因素。

3. 软件工具和库

3.1 Kaldi

Kaldi是最广泛使用的ASR工具包之一，主要为研究人员和专业人士开发。它由约翰霍普金斯大学主导开发，完全用C++构建，通过shell脚本将库的各个组件连接起来。其设计旨在提供一个灵活的工具包，可以根据任务进行修改和扩展。一系列被称为“recipes”的脚本用于连接组件以进行训练和