【sphinx】中文声学模型训练

于 2020-11-17 18:39:11 发布
阅读量586 收藏 1
点赞数
分类专栏： # 声纹 # 项目相关
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。
本文链接：https://blog.csdn.net/Robin_Pi/article/details/109721696
版权

除了Kaldi，也可以看看 sphinx

Robin_Pi
关注
专栏目录
CMU sphinx学习（――训练自已的中文语言模型与声学模型）
12-19 1万+
http://www.cnblogs.com/huanghuang/archive/2011/07/18/2109101.html 同样是在该博客的基础上针对XP系统   一、训练语言模型    (1) 安装语言模型训练工具CMUCLMTK          VS2010直接编译即可    (2) 准备训练的文档 在 .txt中输入如下内容，记住结尾不可留“\n”(实验证明了这一
sphinx4 中文声学模型、词典、语言模型
01-29
sphinx4需要使用连续的声学模型，官网上下载下来的中文声学模型全是半连续的，这里提供能够在sphinx4中使用的中文声学模型
Sphinx武林秘籍(中)
weixin_33946605的博客
07-18 322
Sphinx武林秘籍(中) ――训练自已的中文语言模型与声学模型 一、训练语言模型    (1) 安装语言模型训练工具CMUCLMTK       ./configure       sudo make       sudo make install 默认安装在/usr/local/bin下面，可以看到下面这些生成文件 idngram2lm   idngram2stats     ...
sphinx中文语音训练手册
04-29
本文档介绍Sphinx4在Windows下的中文训练过程及注意事项，与本文档配套的是我自己的训练实例bergtrain和用到的软件。 本文档编写日期 2013-04-23 1、为什么要训练？ sphinx4目前的版本中仅提供了英文等语音识别库。中文的库是PTM或semi类型的，在java版sphinx中无法使用。 2、Sphinx的训练指哪些内容？ 在Sphinx中有语言模型、声学模型等概念，如果你不想了解这些，请参考以下内容： a1、中文每个字的标准发音已经有一个较为全面的文件进行了标注 这个文件就是zh_broadcastnews_utf8.dic（下称这类文件为发音字典），在sphinx网站上可以下载，我们也包含了它。 下面是该文件的片断，它用类似拼音的方式标注了每个字或词的发音。 昌 ch ang 昌北 ch ang b ei 昌必 ch ang b i 昌都 ch ang d u 昌赫 ch ang h e a2、需要告诉sphinx我们经常使用的字、词是哪些，它们出现的频率如何 由于开放式语音识别尚难实现，所以sphinx实际上只能较好的处理相对小的语言集合。 因此，针对特定的领域，告诉sphinx该领域的词汇和各词出现的频率将极大提高识别率。 a3、需要告诉sphinx每个字、词的真正读音 发音字典告诉sphinx每个字的标准读音，但面对的说话人往往不会以标准读音来朗读。 因此sphinx需要学习说话人的“口音”。 如果训练时的读者发音比较标准，则sphinx能“举一反三”，识别其他不那么标准的读者的语音。 推荐的做法是训练一些典型的口音：标准男、女声，童音，最后再考虑特定用户的口音。 3、如何准备训练内容所需的原料？ 需要准备两大内容：1)文本语料文件，2)语料录音文件。 文本语料文件给出2.a2中需要的内容，在bergtrain的etc文件下的berginput.txt文件就是一个预料文件。 它以行为单位，给出了150个中文句子。 语料录音文件是根据文本语料文件，朗读它的每行/句话，保存到每一个语音文件即可。 语料文件中的语句应该尽量选择领域相关的，在覆盖领域内名词的前提下，覆盖尽可能多的通用词汇。 4、训练环境及注意事项 本文的训练软硬件如下： 硬件：T60P笔记本，机器自带录音设备；操作系统为Win7 32位。 软件：Sphinx cmuclmtk-0.7-win32.zip pocketsphinx-0.8-win32.zip sphinxbase-0.8-win32.zip sphinxtrain-1.0.8-win32.zip sphinx4-1.0beta6-bin.zip，用于编写java版的识别软件所需的库 脚本执行软件 ActivePerl-5.16.3.1603-MSWin32-x86-296746.msi ActivePython-2.7.2.5-win32-x86.msi 录音和处理软件 audacity-win-2.0.3rc1.zip，可进行录音和声音文件处理（如降噪），免费软件 FairStars.zip，可进行批量录音（V3.5绿色版） 文本编辑软件UltraEdit，UltraEdit-32.rar绿色版 注意： 文件格式 语料文件必须使用UltraEdit进行编辑， 在编辑后，使用 文件-转换-ASCII转UTF-8(UNICODE编辑)，指定文件中的中文使用utf8编码。 在保存前，设置格式如下： 换行符：UNIX终束符 - LF 指定文件中的回车/换行符为编码0A的换行符 格式：UTF-8 - 无BOM 每个文件的末尾必须有一个回车！ 这个回车将在保存时被替换为编码0A的换行符，训练脚本需要这个符号来确认文件的结束。 录音文件 如果你不希望去编辑训练中的配置文件，则在使用FairStars录音时作如下设定： 进入菜单和对话框 选项-显示录音选项-编码-WMA， 设定：采样率（16000Hz）、通道（单声道）、比特率（16Kbps） 5、训练步骤 下面逐步从零开始进行训练 5.1 软件环境的安装 将本文档所在的文件夹解压或拷贝到d:\，即本文档路径是d:\sphinxtrain\Sphinx中文训练教程.txt 1)点击安装ActivePerl-5.16.3.1603-MSWin32-x86-296746.msi和ActivePython-2.7.2.5-win32-x86.msi； 2)解压Sphinx中除sphinx4-1.0beta6-bin.zip外的压缩文件到d:\sphinxtrain下
sphinx 声学模型和词典
11-30
Sphinx是一种广泛应用于语音识别领域的开源工具包，主要由两大部分组成：声学模型和词典。这篇讨论将深入解析Sphinx的声学模型和词典，并基于提供的文件`test.dic`（词典）、`test.lm`（语言模型）和`tdt_sc_8k`...
改进PocketSphinx：语言模型训练与声学模型优化
2. **累加观察序列**：这一过程涉及到收集和组合多个音频样本，以创建一个更全面的声学模型训练集。 3. **创建MLLR（最大似然线性回归）变换**：MLLR用于调整声学模型，使其能够更好地适应不同说话人的语音变化，...
sphinx中文包zh-CN.zip
02-27
描述中的链接指向了一个官方的下载源，提供了一个名为 "pocketsphinx-data" 的子文件夹，这通常包含了Sphinx的运行所需的数据文件，如语言模型（Language Model）、音素字典（Phonetic Dictionary）以及声学模型...
sphinx中文广播模型
最新发布
04-26
3. **模型训练**：使用收集到的数据训练声学模型和语言模型，可能需要多次迭代以提升性能。 4. **模型评估**：通过对比模型预测的转录结果与实际的文本转录，计算识别精度等指标。 5. **优化调整**：根据评估结果...
七、训练自己的声学模型
嵌入式Developer_小J的天空
11-10 8431
训练自己的声学模型 Jiangdg_VIP http://blog.csdn.net/u012637501    译自： http://cmusphinx.sourceforge.net/wiki/tutorialam      声学模型主要用于计算语音特征和每个发音模板之间的似然度。目的是为每个声学单元建立一套模型参数（通过不断地学习和改进得到最优的，也就是概率最大的一组HMM模
基于Keras实现的声纹识别预训练模型
07-18
基于Keras实现的声纹识别预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Keras
基于Sphinx的汉语连续语音识别
04-11
基于Sphinx的汉语连续语音识别论文
[sphinx]中文语言模型训练
weixin_33966095的博客
09-15 429
一，不用分词的短词组语言模型训练 参考资源：http://cmusphinx.sourceforge.net/wiki/tutoriallm sphinx官方教程 1）文本准备 生成文本文件，内含一行一个的单词。头尾有<s> </s>标记，如下所示，其中单词前后都有空格。文件为utf-8格式，文件名为test.txt。 <s> 苏菲 &...
Shohix3声学模型的训
行天之路
08-14 2121
1训练的基本步骤：... 3 2模拟未绑定状态的场景依赖音素的注意事项：... 4 3 你所需准备的数据... 4 4，训练之前需检查的项... 5 6 当你有一个非常小的闭合的词汇表（字典）（50—60字）：... 6 7 “base”集合和高阶特征向量... 6 8 特征流（featuresstreams）... 6 9训练连续模型... 7 10 创建模型定义
PocketSphinx语音识别系统声学模型的训练与使用
热门推荐
zouxy09的专栏
09-10 2万+
PocketSphinx语音识别系统声学模型的训练与使用 zouxy09@qq.com          声学模型主要用于计算语音特征和每个发音模板之间的似然度。目的是为每个声学单元建立一套模型参数（通过不断地学习和改进得到最优的，也就是概率最大的一组HMM模型参数）。 需要训练的情况： 1）需要创建一个新的语音或者方言的模型； 2）为你的小词汇的应用创建一个特定的模型； 3）你有足
声学模型（一） hmm声学训练流程
xmdxcsj的专栏
04-04 7400
声学训练基本流程
声学模型训练----Acoustic Modeling
weixin_37355348的博客
08-19 1129
General Framework for AM： Building ASR system incrementally Context-independent ➔ Context-dependent modeling Mono-phone ➔ Tri-phone HMM Single Gaussian mixture per state ➔ Multiple Gaussian mixtur
语音识别—声学模型训练（前向-后向算法）
Xwei1226的博客
05-15 2694
声学模型训练（前向-后向算法） 前文讲述了语音识别声学模型训练算法，主要基于Viterbi-EM算法来估计模型中参数，但是该方法对于计算语料中帧对应状态的弧号存在计算复杂度指数级增加的问题，为解决上述问题，有学者提出用前向后向算法来估计模型中参数，其可以解决复杂度指数级增长的问题，主要理论及工程实现如下。 本文语音识别算法主要参考哥伦比亚大学语音识别课程提供的源码 ...
【sphinx]声学模型训练流程学习
weixin_33854644的博客
09-23 203
一 训练流程逐步追踪 ./script_pl/make_feats.pl -ctl test7_train.fileids //由wav文件转为mfc文件 ./script_pl/RunAll.pl //开始训练 如下是RunAll.pl中的流程，我们挨个分析 ("$ST::CFG_SCRIP...
评论
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