为实现四个现代化奋斗

在传统语音识别中，声学模型部分目前已经是神经网络的天下了，变的越来越傻瓜，解码部分还是保留，特别是在孤立词识别（唤醒）中，解码方案和参数对于识别的效果（准确率和唤醒率）的影响也不能忽略。在解码中，token passing算法是一种既使用又易于理解的算法。这里转载一篇文章，对token passing有比较全面的解释。转载自：https://blog.youkuaiyun.com/JosephPai/article/details/80522367...

语音识别技术随着神经网络的兴起和发展，准确率得到了很大的改善，在很多场景下都可以逐步商用落地了，很多公司也组建了语音团队。其实在github上，语音识别相关的项目也是层出不穷，其中的一些项目的质量很高，如果好好借鉴学习的话可以避免从头造轮子，毕竟造轮子也不是那么容易的 = =！。在这里，对一些比较流行的项目做一些汇总和简单介绍。1. ASR1.1 kaldihttps://github.com/kaldi-asr/kaldi最流行的语音识别工具包，不过比较古老了，在神经网络时代有些落后，目前

转载自：https://www.jianshu.com/p/fad774f76be2来自台湾大学李宏毅的课程，对这几个模型的对齐方式做了比较详细的说明。

说到语音识别，一般都从以下公式开始介绍（转自：https://blog.youkuaiyun.com/yutianzuijin/article/details/77621511） 为什么声学模型是这种形式我一直有困惑，因为在实际使用中，现在的声学模型一般都是神经网络，神经网络的输入是声学特征，输出直接就是某个音素或者音节的概率了，和上述对声学模型的描述并不相符。向同事请教后，原来是因为我不明白似然概率和后验概率，生成式模型和判别式模型的区别。以下文章有比较详细的阐述：https://www.cnblogs...

FSMN及其变种，CFSMN，DFSMN等在语音识别声学模型建模上面相比单纯的DNN，CNN和TDNN等常用模型有一定优势，虽然也引入了一定的时延，相比RNN等复杂时序单元具有计算量和更容易训练的优势，在阿里巴巴语音相关技术上有广泛的应用。这里转载一篇文章，详细介绍了从FSMN到CFSMN到DFSMN的演变，为系统了解FSMN结构提供了比较全面的介绍。转载自：https://blog.youkuaiyun.com/qq_26778411/article/details/896824471.FSMN综述 ..

kaldi是语音从业者避不开的工具，因为开发者的知识结构可能比较老了，主要是脚本驱动，还有各种自定义的文件格式，下文对kaldi中的各种文件格式做了一些介绍，值得学习。原文链接：http://blog.sina.com.cn/s/blog_444061c70101hx7l.html以下是我看kaldi教程记的些笔记，希望能对你有所帮助（你可以把这个文档当成kaldi tutorial 的简要翻译）命令行我都加了下划线。数据准备这部分基本略过了，比较简单。从data/...

谷歌KWSSMALL-FOOTPRINT KEYWORD SPOTTING USING DEEP NEURAL NETWORKS亚马逊二级唤醒MONOPHONE-BASED BACKGROUND MODELING FOR TWO-STAGE ON-DEVICE WAKE WORD DETECTIONTFLITE 8比特量化Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inf

声学模型基本单元常用的声学模型基本单元是单词（Word）、上下文无关音素（Monophone）、上下文相关音素（Triphone，Biphone）和音节（Syllable）。Monophone 模型具有模型简单、状态数较少、识别速度刽、内存占用少且与识别词汇量无关等优点，但其对发音的相关性描述不够精确，一选识别率不搞。Triphone和Syllable模型对发音相关性能准确建模，但模型数量巨大...

上周看了一下亚马逊那篇二级唤醒的文章：MONOPHONE-BASED BACKGROUNDMODELING FOR TWO-STAGE ON-DEVICEWAKEWORD DETECTION里面提到第二个网络输入的特征中67维的有：这里likelihood score，normalized likelihood score 和 posteriror 分别指什么不太清楚，文中也没有解释。...

这篇文章主要是对CMU Sphinx系列教程的第一篇文章的主要内容做一些总结。学习某个知识，掌握这些知识的基本概念是必要的。不了解这些基本概念和他们的英文表述，对于代码（kalid）和论文的阅读都会存在一些障碍。对这些基本概念是否了解，是检验一个人是否入门语音识别的一个标志。原文如下：https://cmusphinx.github.io/wiki/tutorialconcepts/语...

转自：https://coffee.pmcaff.com/article/1055672606603392/pmcaff?utm_source=forum&from=search很好的一篇文章，没有任何公式，但是把语音识别的技术框架说的很清楚，适合刚接触语音识别的小伙伴看一下。我转来备份一下。语音交互将会成为新的入口，也是各大公司务必争夺的资源之一，资源是指数据，不是技术，因为技术...

转自：https://blog.youkuaiyun.com/luodongri/article/details/77005948白话CTC(connectionist temporal classification)算法讲解2017年08月09日 17:24:21阅读数：7357 CTC是计算一种损失值，主要的优点是可以对没有对齐的数据进...

原文地址：https://blog.youkuaiyun.com/zouxy09/article/details/9156785/这学期有《语音信号处理》这门课，快考试了，所以也要了解了解相关的知识点。呵呵，平时没怎么听课，现在只能抱佛脚了。顺便也总结总结，好让自己的知识架构清晰点，也和大家分享下。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。   ...