sunfoot001的专栏

1.  cmd.sh我是在个人电脑上运行Kaldi的，所以脚本关键内容如下：export train_cmd=run.plexport decode_cmd=run.plexport tfrnnlm_cmd=run.plexport cuda_cmd=run.pl2.path.sh所有library和tool的路径在这里加到PATH环境变量里。

在学习脚本文件时，重点关注哪些是调用标准函数，哪些是调用特定数据集的数据处理函数;关注每个阶段处理的输入，输出和控制参数。不要面面俱到，试图理解每行代码。1. 下载AMI数据集的xml标注文件包；   从xml格式的标注文件提取得到data/local/annotations文件夹下文本格式的标注文件train.txt,eval.txt,dev.txt.# Do

1. stage 1      在此之前，已经下载了130G的AMI数据在目录$AMI_DIR（wav_db/amicorpus）了。# Prepare ihm data directories,if [ $stage -le 1 ]; then local/ami_ihm_data_prep.sh $AMI_DIR local/ami_ihm_scoring_data_pr

1. 缺省配置nj=4 并行个数cmd=run.pl 处理程序scale_opts="--transition-scale=1.0 --acoustic-scale=0.1 --self-loop-scale=0.1"num_iters=40 ** Number of iterations of training 训练循环次数max_iter_inc=30 *

使用kaldi训练mono phone之后会在esp/mono/目录下产生一个40.mdl文件, 查看exp/mono/40.mdl 命令:kaldi/src/gmmbin/gmm-copy --binary=false exp/mono/40.mdl -1. 首先是<TransitionModel>                 <Topology>          ...

PdfClassPDF(probability density function)指的是概率密度函数，比如是一个GMM表示的概率密度函数。对monophone，pdfclass和每个音素下面的状态是一一对应的。对triphone，不同状态可以分享同一个pdfclass，而决策树也是根据pdfclass来进行聚类的。转移概率关于一个转移的过程，有以下几个问题需要思考：这个状态在哪个音素下面？phon...

94人阅读原文链接：http://click.aliyun.com/m/13878/免费开通大数据服务：https://www.aliyun.com/product/odps　在过去的一年中，语音识别再次取得非常大的突破。IBM、微软等多家机构相继推出了自己的 Deep CNN 模型，提升了语音识别的准确率；Residual/Highway 网络的提出使我们可以把神经网络训练的更加深。　　而诸如 ...

1. 命令行格式在AMI数据集中num-leaves=5000(即5000个不同的states)，tot-gauss=80000（平均每个不同states 高斯模型数目是16个）."Usage: steps/tandem/train_deltas.sh <num-leaves> <tot-gauss> <data1-dir> <data2-dir> ...