语音识别+语音合成
文章平均质量分 89
11721206
这个作者很懒,什么都没留下…
展开
-
傻瓜式讲解Conv1D家族-系列1-Conv1d
========================= 这篇博客主要是讲解 Conv1d =======================处理一维数据如文本或者语音时,需要用到一维卷积,综合网上各种资料和自己的理解,尽可能傻瓜式的说明Conv1d的过程,从而说明 ConvTranspose1d的运算过程,并且用 Pytorch验证。Pytorch 的 Conv1d 的官方文档:https://pytorch.org/docs/stable/generated/torch.nn.Conv1d.html.原创 2021-02-25 16:46:30 · 2445 阅读 · 1 评论 -
傻瓜式讲解Conv1D家族-系列2-ConvTranspose1d
讲解 ConvTranspose1d原创 2021-02-25 16:59:54 · 17801 阅读 · 4 评论 -
HMM前向后向算法
HMM前向后向算法HMM的三个基本问题中,对于HMM参数的学习是最难的。对于给定的观测序列O,如何估计模型参数使得P(O|λ)最大。目前为止,可能并不存在一种方法使得P(O|λ)最大,但是接下里的前向后向算法是能够使上述问题得到局部最优。首先:假设给定模型λ和观测序列,计算观测序列出现的概率P(O|λ)。令隐含状态序列I={i1,i2...iT};观测序列是O={O1,O2,...OT},计算联合...原创 2018-06-12 21:52:09 · 8413 阅读 · 0 评论 -
不用框架,实现非连续语音识别Demo(python源码)
GMM-HMM语音识别原理1.HMM隐马尔科夫模型(HMM)是一种统计模型,用来描述含有隐含参数的马尔科夫过程。难点是从隐含状态确定出马尔科夫过程的参数,以此作进一步的分析。下图是一个三个状态的隐马尔可夫模型状态转移图,其中x 表示隐含状态,y 表示可观察的输出,a 表示状态转换概率,b 表示输出概率:a:转移概率b:输出概率y:观测状态x:隐含状态一个HMM模型是一个五元组(π,A...原创 2018-06-13 20:04:10 · 12136 阅读 · 18 评论