由于刚进入研究生学习,遇到的困难比较多,就想找个地方记录。
本科是通信工程,硕士来到了某211学的电子信息,方向是语音识别。
由于没接触过计算机和人工智能的课程,在开学前就自学了一点python编程。来到学校,老师也没给具体的研究课题,说让我们自己找感兴趣的。于是开始找很多论文读,发现有很多专业名词不懂,就开始一个一个开始搜索学习。但是学了觉得也理解不深刻,而且没有很想做的小方向,所以想着先学会做实验。
因为做的语音识别,看了看资料,就想着先学kaldi工具包,开始安装虚拟机,Ubuntu,一通折腾终于把kaldi装好了,试着运行第一个实例yesno,再根据书上的解释一步步看脚本代码试着理解。
从理论知识上,也要跟着一起学习,GMM-HMM,DNN-HMM,再到最新的端到端语音识别算法,还没学完,也不知道要其中的数学推到过程会不会,理解不理解。
最近还了解到,如果纯学kaldi的话,好像挺难的,需要学会改脚本代码,还要改C++代码,这两个也还没学过,压力拉满了,而且kaldi对于深度学习的神经网络好像也不是很支持。于是想着还要学其他的框架,tenserflow或者pytorch,但是有一个疑问,用这两个做语音识别的话,过程是怎么样的,比如找到了一个语音库的数据集,那从特征提取到输出结果全靠这个实现吗,还是看到有人说的可以用pytorch和kaldi结合使用,用pytorch训练神经网络,再用kaldi解码。
暂时先写到这里吧,有点乱,有人介意的话还请见谅,如果有高手看到了可以解答疑惑的话万分感激。