、张念

数据准备 local/timit_data_prep.sh生成的内容放在data/local/data中。对于train、test和dev，分别生成相应的_sph.flist、_sph.scp、.uttids、.trans、.text、_wav.scp、.utt2spk、.spk2utt、.spk2gender、.stm和.glm文件。NOTE:.wav files a

Amazon Polly  文本转语音  （python实现）网页版的长这个样子，需要自己手动输入，比较麻烦，我们希望通过python和一些文件自动合成语音首先需要去官网注册账户，这里有一年的免费体验，注册账户需要信用卡绑定！注册完账号后，需要配置AWS CLI  ， 它是一个命令行的接口，具体参考AWS CLI使用 Pip 安装 AWS CLI使用 pip 安装 AWS CLI。$ pip in...

下面总结的是第四个知识点：MFCC。因为花的时间不多，所以可能会有不少说的不妥的地方，还望大家指正。谢谢。       在任意一个Automatic speech recognition 系统中，第一步就是提取特征。换句话说，我们需要把音频信号中具有辨识性的成分提取出来，然后把其他的乱七八糟的信息扔掉，例如背景噪声啊，情绪啊等等。      搞清语音是怎么产生的对于

一．语音的产生简介1.1   发音器官    人体的语音是由人体的发音器官在大脑的控制下做生理运动产生的。人体发音器官由三部分组成：肺和气管、喉、声道。 肺是语音产生的能源所在。气管连接着肺和喉，是肺与声道的联系通道。喉是由一个软骨和肌肉组成的复杂系统，其中包含着重要的发音器官——声带。声带为产生语音提供主要的激励源。声道是指声门（喉）至嘴唇的所有发音器官，包括咽喉、口腔和鼻腔。

通过读脚本，我们知道了对应的特征提取和dnn的解码过程，得到一个lat（晶格文件），最后通过晶格文件进行分析，得到解码的结果，通过几次尝试，我这里通过wav文件得到了解码的文件，接下来将详细说明：首先是创建独立的文件夹，专门用来测试，里面保存5个文件，分别是：1. t2ss.wav(原始的wav文件)   2. wav.scp(里面是保存了wav的绝对路径) 3. fina

kaldi做文件分析时，需要使用命令调用可执行程序打印文件结构，下面对几种常见的文件做一下说明 1.words.txt 文件和 phones.txt文件（这是数据准备的prepare_lang.sh脚本生成）里面的格式是openfst格式对应的是词 和整数的映射接下来看一下phone文件夹，里面有三种格式 csl   int   txt ，其实内容都是一样的， 从上

* 1.  ark,scp文件~/kaldi/src/featbin/copy-feats ark:raw_mfcc_dev.10.ark ark,t:-|headark存的试二进制文件，scp可以直接用cat命令看。* 2.  fst文件~/kaldi/tools/openfst-1.6.2/bin/fstprint L.fst | head -n 10 

文章转载地址：  转载地址本文在Kaldi已有的Windows VS工程及其编译流程说明的基础上，更新有问题的子模块，并添加对VS工程的适配代码，确保Kaldi VS工程在windows平台上编译通过及online-wave-gmm-decode-faster 解码程序的正常运行。Note:1) 本文撰写时间为：2017.Oct.17, 相关代码的版本以此时间点为基准。

虚拟机： Ubuntu 14.04     Ubuntu下载地址  gcc 建议安装4.8以上版本 ，登陆最好是root， 废话不多说，开始，首先安装虚拟机，  虚拟机安装  ， 完成的示意图，快捷键Ctrl+Alt+t打开终端：在终端中键入sudoapt-get update 命令然后输入密码 回车kaldi项目现在托管在github上，需要使用g

这里主要介绍我使用过的两种根据文本生成语言模型的两种方法1.  通过网站： Sphinx 上传文件，生成对应的语言模型，需要注意的是文件最好不要太大，网站容易报504错误，贴下图吧，傻瓜式的操作方式：2. 使用SRILM 训练语言模型SRILM基本使用方法1、从语料库中生成n-gram计数文件：1ngram-count -text train.txt -order 3 -write train.t...