TH_NUM的博客

矢量量化 VQ应用 语音识别 语音波形编码 线性预测编码 VQ 技术 1.先要生成码本，也成为聚类。矢量根绝码本进行最小失真映射的 编码 2.分类 VQ数学描述 假设X是K维向量，把X映射成Y,写作Y=VQ(X) 如何进行训练量化： 距离的定义是关键。 最优是用距离衡量吗？不一定。可能概率。 一个理想的准则度量具备主观上的有意义且已与运算的特性（类内距离小，类间距离大）。T...

算法简介： 模板匹配过程中的算法，是因为在识别中，同一个人发的同一个音，不仅气持续时间长度随机地改变，而且个因素的相对市场也在改变。 核心思想： 把待识别的而语音的时间轴与参考模板的时间非线性的对齐。 DTW 找出一个归正函数，找到一条（1,1）到（N,M）的最优路径，最优的标准 是在此路径上搜索，累计的失真最小。 因为语音不用全搜索，所以局部的最优搜索。 ...

HMM 隐马尔科夫模型 语音是时变的信号，是一个状态转移的过程，另一个过程是特征输出。 一个语音波形序列经过分帧特征提取，得到矢量的序列Y={y1,y2…yn} 建立模型，能够自己产生Y。 短时平稳假设 特征荀烈可以分组若干段（状态），在每个状态内观察的特征是服从相同的 分布的。 隐马尔科夫模型： 1.当前状态只与前一状态有关。 2.当前状态下的输出只与当前状态有关。 随机数...

报出调试信息： Reads in wav file(s) and simulates online decoding. Writes integerized-text and .ali files for WER computation. Utterance segmentation is done on-the-fly. Feature splicing/LDA transform is ...

【问题描述】 使用kaldi工具包进行在线语音识别，识别麦克风输入，输出识别结果。 使用egs/voxforge/online_demo文件夹时，./run.sh –test-mode live输出portaudio failed to open the defalut stream 【解决办法】 分三步进行解决。 1.首先检查linux系统录音功能是否可用：arecord命令，如are...

具体操作细节可查看一下网址： 链接 第一步就是要跑通thchs30的例子，这是清华的中文语音识别例子 第二部做本地识别可查看上面网址，不过有两处不对 1、如下图所示地方要改成final.mat，上面网址的是12.mat 2、如下图所示地方也要改 ac_model=${data_file}/models/$ac_model_type trans_matrix="" aud...

语音数据：http://www.voiptroubleshooter.com/open_speech/american.html For this post, I used a 16-bit PCM wav file from [here] import numpy import scipy.io.wavfile from matplotlib import pyplot as plt f...