Next-gen Kaldi

最新推荐文章于 2024-09-26 18:35:09 发布
最新推荐文章于 2024-09-26 18:35:09 发布
阅读量688 收藏 1
点赞数 1
分类专栏： pytorch 文章标签： 语音识别
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/sinat_38432876/article/details/127891955
版权

近来在看Next-gen Kaldi，打算这次把梳理过程做成笔记，希望自己能坚持下去。加油！！！

首先是官方网址 k2-fsa · GitHub

整体回顾

Next-gen Kaldi由四大部分构成，分别为

k2 ：这部分是核心算法库，包括FST的操作，transducer loss 的计算等。

Ihotse: 主要是数据处理模块，包括特征抽取，数据增强等。

icefall：类似wenet或者kaldi中的examples ，即主要是一些官方提供的训练、解码的例子。

sherpa: 应该是主要用作部署使用，类似于runtime部分。

 

 主要参考方军老师的ppt

Surupor
关注
专栏目录
Next-gen Kaldi - 概览及安装
AI + 工程
04-24 209
关于 Next-gen Kaldi Next-gen Kaldi 的发展阶段 1、Kaldi+ （2019.10 - 2020.5) 2、Next-gen Kaldi (2020.5 - 2021.10) Next-gen Kaldi 的组成 安装 1、安装 lhotse 2、安装 k2 3、安装 icefall
手把手教学！新一代 Kaldi: TTS Runtime ASR 实时本地语音识别 语音合成来啦
南七小僧的学海无涯
06-17 523
如果你希望从源码编译，或者你希望使用其他语言的 API， 比如 C/C++/Go/Kotlin/C#/Swift 等， 请参考文档。本文使用的测试模型，都是来源于网上开源的。我们也提供一个单一的 Windows exe 程序，双击就能运行，无须安装。目前使用的模型源于网上开源的 预训练模型，后续我们也会在。的意思是使用第10个说话人的声音。下面两个表格总结了本文用到的模型文件下载链接。注：本文使用的模型为网上开源的预训练模型。注：本文使用的模型为网上开源的预训练模型。注：你仍然需要自己单独下载模型文件。
基于新一代kaldi项目的语音识别应用实例
weixin_48827824的博客
02-27 901
本文是由郭理勇在第二届SH语音技术研讨会和第七届Kaldi技术交流会上对新一代kaldi项目在学术及“部署”两个方面报告的内容上的整理。如果有误，欢迎指正。
kaldi-关键词识别kws
qq_44944990的博客
04-22 1577
kaldi-关键词识别kws
探索AI语音新纪元：Icefall - 一个全面的Transformer-based ASR工具包
gitblog_00023的博客
04-25 602
探索AI语音新纪元：Icefall - 一个全面的Transformer-based ASR工具包 icefall项目地址:https://gitcode.com/gh_mirrors/ic/icefall 项目简介 是一个基于Transformer架构的开源自动语音识别（ASR）工具包。由K2-FSA团队开发，该项目旨在为研究人员和开发者提供一个强大的平台，用于构建、训练和评估各种端到端的AS...
Kaldi的简单介绍和基本使用说明
热门推荐
DL_62532的专栏
12-03 1万+
Kaldi作为目前最流行的ASR开源项目之一，已被广泛研究和使用。 自从2019年Daniel Povey加入小米，小米和Kaldi相互成就，大大推动了Kaldi的发展，使Kaldi保持了持续、强劲的生命力。 Kaldi使用了最自由的授权协议，任何人都可以自由修改和使用（包括商用），大家不妨也来用用。 本文大概讲了语音识别的原理和过程，对kaldi的安装、训练和部署在线语音识别服务的一整套使用过程作了大概说明， 可以作为初学者的入门资料来参考。非常欢迎大家来共同交流，不足之处还望批评指正。
ASR项目实战-从源码开始构建Kaldi
Jackie的家
02-06 569
ASR项目实战-从源码开始构建Kaldi 准备工作 安装构建时依赖的基础软件 软件清单如下： bzip2 python3 automake libtool cmake gcc g++ gfortran git subversion 不同平台安装软件的方式不同，比如可以使用yum或者apt-get等。 下载开源软件 软件清单如下： Libunwind glog OpenFST OpenBLAS Kaldi 按照一定的规则，将下载后的文件放在指定目录，如下是样例 opensrc glog
利用kaldi源码自定义功能和程序
dhj_tsukuba的博客
04-20 693
文章目录前言目标功能kaldi源码解析编译和运行代码 前言 虽然还未完全看完kaldi的C++源码，但已经发现kaldi真的是一个复杂而庞大的开源项目，想找到并理解某一种功能的具体实现，比如对齐，解码，GMM迭代… 等等，都绕不开其繁杂而完备的数据结构设计，当然也可能是因为笔者的C++功底一般，还在kaldi源码的苦海中挣扎。 本文是秉着总结，学习和经验分享的目的，利用现有的kaldi数据结构和类型来实现一种功能，整体并不复杂，但有助于对源码的进一步理解，具体来说是编写1个新的kaldi程序，即cpp源码。
使用kaldi的sherpa-onnx根据文字语音合成（中文）
lstef的博客
07-02 1091
【代码】使用kaldi的sherpa-onnx根据文字语音合成（中文）
语音识别（ASR）-- Kaldi 学习笔记
qq_43318971的博客
12-15 4048
语音识别（ASR）-- Kaldi学习笔记语音识别简介GMM-HMM基本原理DNN-HMM（基于神经网络）KaldiKaldi架构简介Kaldi在Windows下的安装工具准备编译OpenFST配置PortAudio配置KaldiKaldi目录说明 语音识别简介 语音识别（Speech Recognition）技术，也被称为自动语音识别（Automatic Speech Recognition, ASR）、计算机语音识别（Computer Speech Recognition）或是语音转文本识别（Spee
2022年新一代kaldi团队技术输出盘点
weixin_48827824的博客
02-10 2813
以下是 k2 团队对2022年输出的技术做的盘点。
2022 SpeechHome 语音技术研讨会-回顾
weixin_48827824的博客
11-17 820
2022年11月13日，第二届SpeechHome语音技术研讨会和第七届Kaldi技术交流会圆满落幕。
新一代 Kaldi 中的 LSTM GradientFilter
weixin_48827824的博客
10-28 698
本文介绍新一代 Kaldi 中的 LSTM GradientFilter：相关代码：https://github.com/k2-fsa/icefall/blob/master/egs/librispeech/ASR/pruned_transducer_stateless2/scaling.py#L115。
kaldi理解WFST，HCLG，lattice
qq_36782366的博客
11-03 1万+
文章目录WFST，HCLGlattice WFST，HCLG 首先看博客：传送门 同时可以参考如何去查看里面的各个文件：传送门 了解HCLG.fst由哪四部分构成的，他们的构成的先后顺序是怎么样的，以及构成每一步的时候他们的输入输出文件是什么。 HCLG.fst由四部分构成 G：语言模型WFST，输入输出符号相同，实际是一个WFSA（acceptor接受机），为了方便与其它三个WFST进行操...
从0开始的Kaldi学习
qq_37591044的博客
09-30 1886
Kaldi 教程 Kaldi的开始 Kaldi下载 使用github得到最新的kaldi工具包 git clone https://github.com/kaldi-asr/kaldi.git git经常由于网络不稳下载失败，建议本地开vpn之后下载上传 git下载结束后需要进行接下来的操作 cd kaldi/tools/ make cd ../src ./configure make 在to...
语音识别控制(软件、硬件)
qq_41060065的博客
09-23 591
很多人搞不懂，如何用软件控制硬件，但是实际上没大家想的那么复杂，一般的硬件都会提供接口，只要找到厂家要他的通讯方式和通讯内容，就可以实现用软件控制硬件。比较通用的工业通讯协议，读写PLC数据。最近比较流行的工业协议。
SU03T（语音识别播报模块）
最新发布
m0_71813740的博客
09-26 954
当触发方式选择的是命令词时配置控制点击添加控制选择端口输出（这里选择端口输出的意思是，该语音模块听到命令词时，该模块会向单片机发送数据）配置参数参数应写成相应的协议格式，已知协议包括帧头，消息，帧尾三部分，其中帧头和帧尾是固定的，消息是可变的，这里我们只发送一个数据，所以消息部分就写一个数据即可。而帧头和帧尾可以自己定义关灯跟开灯的配置一样下面配置播报co2溶度，因为播报co2溶度不仅要发给单片机让单片机将数据传给语音模块，还要让语音模块播报数据，所以这里需要配置两个控制。
我该如何编译 PyTorch-Kaldi
05-31
编译 PyTorch-Kaldi需要完成以下步骤： 1. 安装依赖项：PyTorch、Kaldi、OpenFST、CUDA、cuDNN等。 2. 克隆 PyTorch-Kaldi 项目： ``` git clone https://github.com/mravanelli/pytorch-kaldi.git ``` 3. 进入 PyTorch-Kaldi 目录，并创建 build 目录： ``` cd pytorch-kaldi mkdir build cd build ``` 4. 运行 cmake 命令，并指定以下参数： ``` cmake .. -DKALDI_ROOT=<kaldi-root> -DOPENFST_ROOT=<openfst-root> -DCUDA_TOOLKIT_ROOT_DIR=<cuda-root> -DCUDNN_ROOT_DIR=<cudnn-root> -DCMAKE_PREFIX_PATH=<pytorch-root> ``` 其中，<kaldi-root> 是 Kaldi 的根目录，<openfst-root> 是 OpenFST 的根目录，<cuda-root> 是 CUDA 的安装路径，<cudnn-root> 是 cuDNN 的安装路径，<pytorch-root> 是 PyTorch 的根目录。 5. 运行 make 命令编译 PyTorch-Kaldi： ``` make ``` 6. 编译完成后，可以运行示例代码进行测试： ``` cd ../egs/wsj bash run.sh ``` 以上是编译 PyTorch-Kaldi 的基本步骤，具体操作可能会因为不同的环境和版本而有所差异。如果您遇到了问题，可以查看 PyTorch-Kaldi 的官方文档或者在社区寻求帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值