- 博客(0)
- 资源 (10)
- 收藏
- 关注
srilm-1.7.3.tar.gz
一般帖子上附的这个下载网址内网登不上
(http://www.speech.sri.com/projects/srilm/download.html)
所以就拜托国外的同学帮我下了这个最新版本的srilm
亲测可用哈~
2019-12-18
srilm-1.7.1.tar.gz
之前下载的1.7.2的版本没法安装,最后找到的这个版本的确定可以安装
(下载到的srilm.tar.gz(1.7.1)要重命名成srilm.tgz,然后运行sudo ./install_srilm.sh即可自行安装)
安装成功提示如下:
/home/avatar/kaldi-master/tools/srilm/sbin/decipher-install 0555 compare-sclite ../../bin
/home/avatar/kaldi-master/tools/srilm/sbin/decipher-install 0555 cumbin ../../bin
make[2]: Leaving directory '/home/avatar/kaldi-master/tools/srilm/utils/src'
make[2]: Entering directory '/home/avatar/kaldi-master/tools/srilm/zlib/src'
make[2]: Nothing to be done for 'release-scripts'.
make[2]: Leaving directory '/home/avatar/kaldi-master/tools/srilm/zlib/src'
make[1]: Leaving directory '/home/avatar/kaldi-master/tools/srilm'
Installation of SRILM finished successfully
Please source the tools/env.sh in your path.sh to enable it
2019-12-18
numbers-en.tar.gz
本英文数字语音包下载自fithub,是很好的语音素材,可以满足ASR的要求。
这个语音包中包含128个语音文件,wav格式的,分别是两个人朗读,其中每个文件只包含三个数字。这 128 文件中 80 个用于训练, 48 个用于测试。并且训练数据和测试数据都被分成了 8 部分(可以假装成 8 个人),每部分分别 10 个 和 6 个。训练集和测试集的前五个目录是男士朗读,后面三个是女士朗读的。
2019-12-17
kaldi-master.zip
kaldi安装包的最新版本,解压后可直接使用
kaldi各文件解释
/egs:不同语料例子的执行脚本文件
/tools:存放asr过程中用到的库
/src:存放实际执行的c++算法
2019-12-17
kaldi的全部资料_v0.7(未完成版本).pdf
最全的kaldi学习指导文档,目前是最新版本。
kaldi是一个开源的语音识别工具箱,是基于c++编写的,可以在windows和unix平台上编译。
1)与文本无关的LVCSR系统;
2)基于FST的训练和解码;
3)最大似然训练;
4)各种各样的线性和映射变换;
5)有VTLN,SAT的脚本;
2019-12-17
J-link firmware update最新V644f
JLink官方v6.34 Windows版本,官方原版。截至2019年4月13日官网最新的版本。
相关下载链接:https://www.segger.com/downloads/jlink
2019-04-13
机器学习实战 Machine Learning in Action (Peter Harrington)
含:英文原版,中文翻译版本,用到的python源代码
本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。
作者Peter Harrington拥有电气工程学士和硕士学位,他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利,在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家,在加入该公司之前,他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。
2019-04-10
斯坦福大学 2014 机器学习教程中文笔记
课程地址:https://www.coursera.org/course/ml
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括:
(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。
(二)无监督学习(聚类,降维,推荐系统,深入学习推荐)。
(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
2019-04-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人