初级菜鸟

该项目是基于CNN+CTC网络实现，中文标注是拼音，解码使用HMM，项目地址：https://github.com/nl8590687/ASRT_SpeechRecognition该项目很不错，但是本人用原版项目代码进行训练测试无法达到较好的效果，然后对其做了一些改动，时间有限最终拼音ER在11%左右，词错误率WER 在33%左右，数据集使用aishell，thchs30，ST-CMDS原版项目解释可以参考github上的说明，比较详细，下面说下优化部分：模型架构使用VGG（微调结构适配频谱图）

yesno模型 kaldi常用工具 http://blog.youkuaiyun.com/zjm750617105/article/details/52548798kaldi官网工具大全http://kaldi-asr.org/doc/tools.htmlyesno孤立词识别kaldi脚本http://www.cnblogs.com/welen/p/7485151.html执行 run.s...

该 脚本准备音素列表和聚类问题,下图是该语句执行结果silence_phones.txt是“静音”音素，包含各种噪声、笑声、咳嗽、填充停顿等（SIL SPN NSN LAU） nonsilence.txt包含的是“真实”音素,每行第一个是基本音素,后面是音调和语气不同导致的变化;optional_silence.txt仅包含单音素(一般是SIL )extra_questio...

介绍 HMM在实际应用中主要用来解决3类问题。 1.评估问题(概率计算问题)即给定观测序列 O=O1O2…Ot和模型参数λ=(A,B,π)，怎样有效计算这一观测序列出现的概率P(O|λ)2.预测问题 (也称解码问题)即给定观测序列 O=O1O2…Ot和模型参数λ=(A,B,π)，怎样寻找满足这种观察序列意义上最优的隐含状态序列S。3.学习问题。即HMM的模型...

参考论文：Singh O P, Sinha R. Sparse coding of i-vector/JFA latent vector over ensemble dictionaries for language identification systems[J]. International Journal of Speech Technology, 2017(11):1-16.实现通过...

参考《I2R-NUS Submission to Oriental Language Recognition AP16-OL7 Challenge》现在很多研究通过bnf特征作为输入特征进行语种识别取得了很不错的效果，利用kaldi对该方法进行了实现：1.主要利用了kaldi开源工具中的 steps/nnet2/train_tanh_bottleneck.sh 训练一个包含瓶颈层的神经网络...

sox  <输入音频>   -n  remix 1 rate 10k spectrogram  -y  129  -m -r -o  <输出频谱图> remix  选择通道-y 频谱图y轴最大长度-m  灰度-r  显示时域频域坐标以及dBFS满量程分贝 该工具有bug，有些音频生成的长度可能有问题，具体如何解决不清楚，比如-x默认值800，会...