任务介绍:
数据预处理:从原始波形中提取MFCC特征(TAs已经做了!)
分类:使用预先提取的MFCC特征进行帧级音素分类
任务:多级分类
从语音中进行基于框架的音素预测
数据:
由于每一帧只包含25毫秒的语音,因此单个帧不可能代表一个完整的音素
通常,一个音素会跨越几个帧
将相邻的音素连接起来进行训练
每一段是39长度的向量。 将相邻的音素连接起来进行训练,然后会给出前后五段的数据,也就是我们有11*39 = 429 维度的一个特征,根据这个特征去做分类 。
libriphone/
train_split.txt (train metadata)
train_labels.txt (train labels)
test_split.txt (test metadata)
feat/ (pt文件,张量)
train/
test/
1.修改参数
2.修改网络,增加归一化和dropout