Kaldi学习笔记（五）——使用CVTE训练好的SR模型做中文在线识别

最新推荐文章于 2025-04-11 18:32:28 发布
原创 最新推荐文章于 2025-04-11 18:32:28 发布 · 1.3w 阅读 · 22 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#语音识别 #Kaldi

本文介绍了如何利用CVTE公司提供的预训练TDNN模型在Kaldi中进行中文在线语音识别。首先从Kaldi官网下载模型，解压后在src/online2bin目录下运行指定命令进行识别。注意模型需要在配置较好的机器上运行，以避免资源占用过高。文章还分享了模型的识别效果，如CVTE201705测试集的词错误率为4.5%。

关于Kaldi的下载与编译请参考：http://blog.youkuaiyun.com/snowdroptulip/article/details/78896915


CVTE公司开源其训练好的TDNN模型，我们可以使用该模型来进行在线识别。


一、下载


首先从http://kaldi-asr.org/models.html下载模型；


二、解压


把下载好的模型解压到egs下面，egs/cvte


三、运行


在src/online2bin输入以下命令： 

 ./online2-wav-nnet3-latgen-faster --do-endpointing=false --online=false --feature-type=fbank --fbank-config=../../egs/cvte/s

最低0.47元/天 解锁文章
自然语言处理之语音识别：Kaldi：声学模型构建与训练
zhubeibei168的博客
10-21 918
微调模型可以提高识别精度。在Kaldi中，可以通过继续训练模型或调整模型参数来实现微调。# DNN-HMM模型微调示例这里，指定了训练的起始阶段，配置了特征参数，和分别设置了模型训练的块数和轮数。Kaldi的灵活性允许用户自定义模型。# RNN-HMM模型训练示例这里，指定了RNN的层数。
语音识别：在Kaldi上使用CVTE模型-已训练好的开源中文ASR模型
Ryan0828的博客
11-07 5035
在前一篇文章中，我把Kaldi安装并编译了。相当于把利用Kaldi做语音识别的基本运行环境布置好了。这一篇文章记录我用CVTE开源的kaldi模型来进行语音识别模型的建立和使用。 一、CVTE模型简介及下载 CVTE Mandarin Model Mandarin TDNN chain models trained on commercial data. The V1 model is deprecated; it is missing files needed to work with the cur.
kaldi自由说训练好的模型
07-08
利用从网上下载的kaldi源码和语音数据，训练好的支持自由说的模型，是模型，模型，模型！ 不是源码，也不是其他的语音资源文件，需要的朋友可以下载下来，结合kaldi中eg5/aishell/s5的例子使用！
Kaldi中文语音识别：各种开源的已经训练好的语音识别模型
Ryan0828的博客
11-07 7538
一些开源的已经训练好的语音识别模型 最近导师给安排了一个临时的任务，所以在做中文语音识别。一开始想自己先查文献找文章构建网络，后来觉得任务量有点大，遂决定找现成网络再找开源数据集自己训练，然后搞着搞着突然觉得为什么不找一个训练好的模型直接用，然后自己如果有需要再调不会更方便吗，遂开始搞现在的利用已经训练好的开源中文语音识别模型来做语音识别的项目。 记录一个网站，里面存了一些开源的已经训练好的语音识别模型。本人是用的其中的CVTE v2模型。 下载链接：http://kaldi-asr.org/model
Kaldi中如何使用已经训练好的模型进行语音识别ASR呢？
热门推荐
我的代码管家---houwenbin的专栏
11-28 1万+
我们如何运用已经训练好的模型进行语音识别呢？这才是我们研究的目的啊，是不？ 很好，细心的你一定会发现kaldi源码src目录中有online*相关的模块，这就是我们今天的主角啦！！！ Kaldi中有两个版本的online、online2分别是第一代、第二代，现在已经不维护online，转到online2了，但作为我们入门的，我建议还是选择online，由简入深嘛！！！ 默认kaldi
（八）kaldi thchs30 单音素模型训练（line 62-68)
weixin_53694631的博客
01-04 390
可以看到代码只有三行，其中：第一行steps/train_mono.sh 用来训练单音素模型，主要输出为final.mdl和tree。训练的核心流程就是迭代对齐-统计算GMM与HMM信息-更新参数。第二行local/thchs-30_decode.sh是解码和测试部分，它采用刚刚训练得到的模型来对测试数据集进行解码并计算准确率等信息。第三行steps/align_si.sh 使用src-dir中的模型对data-dir中的数据进行对齐，将结果放在align-dir中。
AIBigKaldi（十二）| Kaldi的三音子模型训练（中）（源码解析）
aibigtruth的博客
01-17 623
本文来自公众号“AI大道理”。 上文已经累计了相关统计量phone的特征均值、方差、phone所出现的语音帧数量。 接下来利用统计量自动生成问题集。 问题集的生成是为了构造决策树对三音子模型进行状态绑定。 以kaldi的thchs30为例。 5三音子模型训练 过程之道: 5.2自动生成问题集 语言学家设置的问题以及根据这些问题得到问题集。 Kaldi决策树中使用的问题集并不是手工设计的，而是通过之前得到的统计量自动生成的。 灵魂的拷问：K...
Kaldi学习笔记（四）——thchs30中文在线识别
snowdroptulip的博客
01-02 1万+
在前面的笔记中，我们已经训练出thchs30模型。 这篇文章主要介绍如何用训练好的模型识别我们自己的语音。 一、安装portaudio 首先我们cd到tools下面，执行：./install_portaudio.sh 然后在cd到src下面，执行：make ext 二、创建相关文件 从voxforge把online_demo拷贝到thchs30下，和s5同级，online_demo
精选资源
基于Kaldi语音识别框架的DNN模型中文语音识别设计源码
02-26
Kaldi作为一款广泛使用的开源语音识别工具包，提供了丰富的语音识别算法和框架，支持多种语言的语音识别任务。在此项目中，开发者基于Kaldi框架，采用深度神经网络（Deep Neural Network, DNN）模型，专注于中文语音...
Kaldi各种已经训练好的模型
robingao1994的博客
10-15 9914
做个记录 http://kaldi-asr.org/models.html 这网站是Kaldi中各种语音任务pretrained过的模型 有视源ASR的, xvector做声纹识别的, emebedding做diarization的, 大部分是用LDC的死贵死贵的语料训练的 直接把这些模型拿去解码或者拿去用都可以得出一个很不错的效果, 我们在x-vector参加的NIST评测和自己实验的...
kaldi运行cvte开源chain模型
一尘在心的博客
05-05 725
https://blog.youkuaiyun.com/baidu_26788951/article/details/83311145
kaldi中的在线识别----Online Recognizers
u010384318的专栏
05-03 6071
本文是kaldi学习联盟中@冒顿翻译的，下面是@冒顿的翻译结果，在这里感谢@冒顿的辛勤劳动，希望更多的人加入到这个翻译上来，为更多的人学习…… 因为我们翻译的文档都有url，csdn不支持我们的直接发表，所以只能用图片，最后的翻译会集成pdf版，后面会公开的。 最后，如果你发现有任何问题，欢迎留言讨论。我会在最快的时间回复大家，希望大家共同学习……
《kaldi语音识别实战》阅读笔记：单音素模型训练—train_mono.sh解析
v-space的博客
04-04 2269
第一阶段：模型初始化 gmm-init-mono Initialize monophone GMM. Usage: gmm-init-mono <topology-in> <dim> <model-out> <tree-out> e.g.: gmm-init-mono topo 40 mono.mdl mono.tree 将topo文件和声学特征维度作为输入，则会生成初始声学模型。不需要输入任何训练数据，进初始化一个基础模型。且生成的模型中每个状态只有.
【kaldi】chain-model训练时，加载预训练模型
u011590738的博客
06-27 623
最近在用chain-model训练时偶尔会出现找不到GPU卡而训练终止。而很烦的是原本的代码，中途训练终止时，重新训练的话，又得重头开始跑，对于跑一遍流程需要好多天的我来说，真的伤不起。所以通过查看源码，了解了chain-model加载预训练模型的方案，这样即使出现异常，也能从失败的地方继续训练。这个方法只需要在源码中简单的改几个地方即可。详细如下面介绍。......
使用Kaldi CVTE v2模型进行语音识别测试 2/2
Chatopera
08-09 1377
目录词格输出查看lat.1的二进制内容详解 lat.1.gz 文件使用发音词典打印出文字查看 OpenFST 的图评测模型多种超参数打分输出最佳 WER 词格输出 上一篇文章中，我们提到 nnet3-latgen-faster 的输出结果是 lat.1.gz，这个压缩文件是使用ark binary格式存储的Lattice，即识别结果是词格压缩文件。 可以认为，词格(Lattice 或 CompactLattice) 就是Kaldi的语音识别结果，这种形式的输出对于开发者基于其他方法，提取最优结果更友好。 回
kaldi部分训练方法DNN-HMM模型
会飞的鱼
08-03 8060
kaldi部分训练方法-REVERB语料 DNN-HMM模型 语音识别框架都是基于GMM-HMM的，然而浅层的模型结构的建模能力有限，不能捕捉获取数据特征之间的高阶相关性。而DNN-HMM系统利用DNN很强的表现学习能力，再配合HMM的系列化建模能力，在很多大规模语音识别任务中都超过了GMM模型。 下图给出一个DNN-HMM系统的结构图。在这个框架中，HMM用来描述语音信号的动态变化，用...
Kaldi语音识别技术(七) ----- 训练GMM
yxn4065的博客
02-21 4963
整个过程分为10个环节，其中有5个是与对齐相关的，为了方便理解，这10个环节，只讲其中的2个（**train_mono 单因素训练模型和align_si对齐**），其他的基本都是进行优化。整个GMM训练模型的过程就是这样。总的来说，模型训练得越好，对齐就对得越准，就越可以提高语音识别的准确度
Kaldi自由说训练好的模型：语音识别领域的强大助力
最新发布
gitblog_06727的博客
04-11 770
Kaldi自由说训练好的模型：语音识别领域的强大助力 去发现同类优质开源项目:https://gitcode.com/ 在当今信息时代，语音识别技术正日益成为人工智能领域的重要应用之一。Kaldi自由说训练好的模型，以其卓越的识别准确率和稳定性，成为了自由说语音识别场景的强大工具。 项目介绍 Kaldi自由说训练好的模型，是一个专门针对自由说场景设计的预训练模型。它基于开源的Kaldi语音识别框架...
Kaldi中thchs30训练自己数据集的步骤
ninesky110的博客
08-29 6223
一、数据准备过程 网上下载的thchs-openslr数据集需要换成自己的数据集，包含两个文件夹：data_thchs30和resource。下面讲解如何搞定这一部分。 数据集在data_thchs30文件中，包含四个部分（data、train、dev、test）。 data文件夹中包含（.wav文件和.trn文件；trn文件里存放的是.wav文件的描述:第一行为词，第二行为拼音，第三行为音...
基于Kaldi的中文ASR DNN训练数据与模型代码
“ASR_Kaldi_DNN_Chinese_data.zip”这一文件名称所包含的知识点涉及语音识别（ASR）、Kaldi工具包、深度神经网络（DNN）模型架构、中文语音识别系统构建、以及相关的数据与代码资源。该压缩包不仅包含了用于训练和...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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