Albert的博客

对于时长 T=2s 的音频信号 path.wav，设置采样率为 sr=24000。采样之后，生成音频时间序列 y，其中 len(y) = T * sr = 2 × 24000 = 48000，y.shape = (48000, )，sr=24000。import librosa# 读取音频y, sr = librosa.load(path='path.wav', sr=24000)print(len(y), y.shape, sr)设置：帧移：frame_shift = 0..

一、模型下载与安装下载tacotron模型的实现到本地，这里是基于GitHub上一个tacotron模型的实现开展研究的，GitHub网址：https://github.com/keithito/tacotron，由于谷歌没有给出tacotron模型的官方实现，这里给出了tacotron模型的非官方实现；------研究是在linux下开展的，由于源码较多，只展示tacotron模型源码的基本结构如下：安装一些依赖项：① 安装Python 3。# 使用Anaconda安装Python3环境.

语音基础知识：https://www.cnblogs.com/liaohuiqiang/p/9916352.html语音特征提取：https://www.cnblogs.com/liaohuiqiang/p/10159429.html语音特征参数MFCC提取过程：https://my.oschina.net/jamesju/blog/193343https://blog.youkuaiyun.com/zkl99999/article/details/80723755...

目录语音识别工具语音识别示例代码kaldi/语音识别ASR/声纹识别SRE/资源汇总参考链接 https://zhuanlan.zhihu.com/p/103034947语音识别工具（1）librosa：python，视频与音乐分析链接：https://github.com/librosa/librosa（2）ASRT_SpeechRecognition：python，基于深度学习的...