ferb的语音识别学习小站

Nabu 是一套实现了LAS（listen， attend， spell）的语音识别系统。https://github.com/vrenkens/nabu LAS是一个基于Attention mechanism的encoder-decoder语音识别模型。相比与传统模型，LAS模型的输出结果是变长序列（decoder部分非常类似于RNN语言模型）。关于LAS的细节可以看论文： https://ar...

BPE（Byte Pair Encoding，双字节编码）。2016年应用于机器翻译，解决 集外词（OOV）和罕见词（Rare word）问题。论文题目《Neural Machine Translation of Rare Words with Subword Units》 —发表于ACL2016 http://www.sohu.com/a/115373230_465975 tensor2ten...

P34 HMM是一个双内嵌式随机过程，由两个随机过程组成： 一个是状态转移序列，对应单纯markov过程；另一个是每次转移时输出的符号组成的符号序列。（这个也是随机的，理解为 不知道状态序列，也不知道输出符号序列。。。） P130： 模板（模型）Mi，即 i 单词的均值和协方差矩阵。 P135： 语音信号的特征矢量序列的集合作为观察值序列O = O1,O2,…OT P136： 声学...