Kaldi学习笔记 -- 构建字典FST脚本 -- prepare_lang.sh 关键内容解析

最新推荐文章于 2024-04-08 09:25:55 发布

DuishengChen

最新推荐文章于 2024-04-08 09:25:55 发布

阅读量7.4k

点赞数 6

分类专栏： Kaldi 文章标签： kaldi 语音识别机器学习

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/duishengchen/article/details/52473918

版权

Kaldi 专栏收录该内容

6 篇文章 4 订阅

订阅专栏

摘要：本文介绍了Kaldi训练过程中数据准备部分如何通过字典构造其FST模型。摘取其中较难理解的部分，此为自我见解，欢迎纠正。

关注

6
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

博客等级

码龄10年

23
原创

21
点赞

45
收藏

79
粉丝

关注

私信

热门文章

分类专栏

最新评论

kaldi学习笔记之卷积神经网络(CNN)
从你的全世界路过2: 请问你用的CNN是已有论文中的吗还是自己设计的？有论文可以做参考吗
kaldi学习笔记之卷积神经网络(CNN)
Xwei1226 回复 DuishengChen: 您好，我最近在kaldi中运行run_cnn2d.sh脚本，训练好GMM-HMM声学模型之后，我直接在脚本中加入了run_cnn2d.sh脚本。但是报两个错误，一个是filaname is too lang ，另一个是缺少文件fbank/train_tr90/feats.scp文件，请问是什么原因？？
kaldi学习笔记之卷积神经网络(CNN)
DuishengChen 回复 sky1170447398: 可能跟你数据量，特征选择，以及卷积核大小，步进等参数有关。卷积神经网络的识别效果跟感受野密切相关。在图像领域一般将图像转换成128x128x3，然后用多层3x3卷积核，最终得到较大的感受野，而在语音领域，由于是序列分类任务，我们上下文信息一般取9帧，若使用25ms帧长16k采样率的语音取频谱作为特征，得到的输入特征为19 x 400 x 1，若使用mfcc特征加一二阶差分，大小为19 x 39 x 3, 由于都长宽不一致，而且都比较小，因而比较难以选择合适的卷积深度以及卷积核大小。此外，有没有充足的数据，让卷积层学会提取关键特征也是一个影响性能的原因。
kaldi学习笔记之卷积神经网络(CNN)
sky1170447398: 你好，我训练了CNN发现结果还不如nnet里面的DNN，这是为什么啊
kaldi学习笔记之卷积神经网络(CNN)
DuishengChen 回复 duqiaohaochen0972: HMM 参数是从语音数据集（音频数据+标注）中学习得到，想学习具体理论部分建议看俞栋和邓利等人出版的Automatic Speech Recognition: A Deep Learning Approach，现在已经有中文版，可以对照着看。至于实验部分，kaldi功能比较全单脚本相对比较复杂，训练GMM-HMM模型的话我建议先从HTK入手，先熟悉一下数据准备，mono-phone训练，tri-phone训练,决策树生成等整套语言识别系统流程。HTK book 第三章 “A Tutorial Example of Using HTK“ 已经详细介绍了整个流程，至于语音数据集，可以先下载公开数据集像 TIMIT, AMI等。

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。