(Keras/Tensorflow)端到端语音识别

声明：本文原文来源于GitHub,经本人翻译首发于CSDN，仅供技术分享所用，不作商用。欢迎大家关注我的公众号: gbxiao992

本存储库用于记录我使用Keras和Tensorflow开发端到端的语音识别模型的研究。

原文链接：https://github.com/igormq/asr-study/blob/master/README.md

训练基于character 的全神经巴西葡萄牙语语音识别模型

我们的模型使用四个数据集进行训练： CSLU Spoltech (LDC2006S16), Sid, VoxForge, and LapsBM1.4. 部分数据集需要有偿下载。

（部分）巴西葡萄牙语语音数据集预处理

您可以使用提供的脚本下载免费提供的数据集（可能需要一段时间）：

$ cd data; sh download_datasets.sh

接下来，您可以将其预处理为hdf5文件。点击此处获取更多信息。

$ python -m extras.make_dataset --parser brsd --input_parser mfcc

训练网络

您可以使用train.py脚本训练网络。欲了解更多使用信息请参阅这里。使用默认参数进行训练：

$ python train.py --dataset .datasets/brsd/data.h5

预训练模型

下载基于完整brsd数据集（包括CSLU数据集）预训练好的brsm v1.0 模型

$ mkdir models; sh download_brsmv1.sh

此外，您可以针对brsd测试集评估模型

$ python eval.py --model models/brsmv1.h5 --dataset .datasets/brsd/data.h5

brsmv1.h5 training