Johnson的博客

* 写作本文的目的：一方面是为了帮助Kaldi的新手更好的入门这个语音识别工具，另一方面是为自己的学习做一个笔记，也方便日后的学习查阅. *Kaldi的下载安装 备注： 虽然Kaldi可以同时运行在Windows和Linux两个平台上，但大多数人还是使用Linux系统进行运行，原因是安装运行时的错误相对较少，而在Linux操作系统中应用最广的是Ubuntu，在这里我就仅叙述Kal...

转载自 https://www.jianshu.com/p/c48466d36162　　这篇文章写的比较详细，适合新手入门观看，特地摘录下来以供分享和之后学习说明测试环境：Ubuntu16.04建议：仔细地按照此教程来，有些人中间出错是因为没仔细按照教程的步骤和细节文档更新时间：20180713使用thchs30训练最后的识别准确率约：64%运行thchs30步骤安...

一、概述      我先澄清一下，我并不是单纯的为了爬数据而爬数据，这其实是为了之后的语音识别的语言模型训练积累数据的，所以我就实现了一个这样的爬虫，它可以不断的爬取各个指定贴吧的帖子文本内容，并把它存入MongoDB，而且可以自己根据电脑的配置和MongoDB的极限指定允许并发的线程数，我在我的电脑上使用的是4个线程，已经可以达到每日...

概述      对于语音识别来说，大体上就分为三个方面，一个是声学模型(acoustical model)的训练，一个是语言模型(language model)的训练，最后就是对给定一段语音的解码了，当然，咱们今天讨论的是第二部分，其他的就先丢到一边吧！(在这给大家打一打气，其实语言模型是这三个方面里最复

首先说一下为什么要采用平滑操作：　因为在数据库统计词语的结果中，一定会出现大量的零（稀疏），从而导致识别的结果出现错误，比如在你的语料库中没有＇他＇这个字，统计概率就为０，但你不能因为这个的概率为０，就把所有的带’他’的句子统计为概率是０，这是不合理的，所以要对所统计的结果进行平滑操作，避免统计结果稀疏。Laplace平滑　这是平滑方法中最为简单粗暴的一个方法，原理就是让每个统计的频数至少为...

现在是开源的时代，大家也都习惯了用开源的工具，这里我就编写一个关于如何申请科大讯飞APPID的教程，当然，对于大多数别的开放平台也是几乎同样的流程，大家要学会举一反三呦！大致流程      我依旧是那么通情达理，照顾到没有太多时间看完全文的大牛，这里给出一个简易的阉割版步骤，也希望对大家有所帮助。登录科大讯飞开放平台官网&lt...

最近要跟着导师做一个语音识别的工程项目，由于在前期只需要快速的建立软件架构，所以选择使用科大讯飞提供的云接口进行快速开发，但科大讯飞在Linux的sdk中只提供了c++的实现，为了今后的开发方便，我将其进行了Python封装，也把源码分享在这里，为大家提供方便。一、概述      虽然在我的github源码中已经写了README，...

今天刚在实验室开完组会，老师介绍了一下情感识别的大体步骤原理，为了理清思路，也是为了以后捡起来比较方便，这里做简短的总结记录一、整体思路我简单的用上面这一幅图来对模型的训练过程进行解释，总的思路如下：首先，把原始的语音数据进行特征提取(通常会采用MFCC)，获取到这段语音数据的特征向量。然后由于语音数据的收集比较困难，所以这里采用调整UBM的方式产生自适应的GMM，用于之后的操作...

先说一下问题背景，之前由于自己购买设备不小心，买了一个双咪头的麦克风，到录音的时候可就费劲了，一会立体声，一会单声道，一会44100kHz，一会16000kHz，反正极其不稳定，为了后续处理方便，我就想直接把所有输入音频都转化为16000kHz，单声道的，虽然好像很简单，但初学还是踩了很多坑。Resample 和 Stereo 转 Mono这里本来还想讲讲故事的，但还是算了，直接上干货吧...