lhp171302512的博客

在语音识别场景中，字符错误率（Character Error Rate，CER）是衡量语音识别效果的一个重要指标。下文将介绍CER的原理，并且给出python实现的代码。1 编辑距离说到CER，不得不提的是编辑距离（Edit Distance），它是一个用来衡量两个序列的相似度指标。假设有两个字符串（a和b），编辑距离是指把字符串a修改成b（或者把b改成a）需要的最少编辑次数。编辑的操作只能有三种：插入（Insertion）删除（Deletion）替换（Substitution）比如，把c

前面尝试过用torchaudio读取URL下载的音频，在这里，但是这要求较新版本（0.8.0）的torchaudio。如果要用到torch，那么torch的版本也要比较新（1.8.0），因为torch的版本跟torchaudio是有对应关系的。如果要用GPU，1.8.0的torch需要最低10.2版本的cuda，10.2版本的cuda又要求较高版本的显卡驱动。由于升级torchaudio导致的改动比较大，所以想寻找更加便捷的方式，它就是soundfile。安装pip install PySoundFi