动手训练粤语语音识别模型

最新推荐文章于 2024-09-08 14:49:38 发布
最新推荐文章于 2024-09-08 14:49:38 发布
阅读量256 收藏
点赞数 6
分类专栏： 大模型AIGC 音频技术 文章标签： 语音识别 人工智能 transformer
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/u011239443/article/details/141066768
版权

重磅推荐专栏：
《大模型AIGC》
《课程大纲》
《知识星球》

本专栏致力于探索和讨论当今最前沿的技术趋势和应用领域，包括但不限于ChatGPT和Stable Diffusion等。我们将深入研究大型模型的开发和应用，以及与之相关的人工智能生成内容（AIGC）技术。通过深入的技术解析和实践经验分享，旨在帮助读者更好地理解和应用这些领域的最新进展

在这里插入图片描述
在这一部分，我们将看看如何使用Transformer将口语转化为文本，这个任务被称为语音识别。
语音识别，也被称为自动语音识别（ASR）或语音转文本（STT），是口语处

了解本专栏 订阅专栏 解锁全文 超级会员免费看
小爷毛毛（卓寿杰）
关注
专栏目录
订阅专栏
自己动手实现语音识别
qq_30895747的博客
07-05 586
手把手教你，一步步制作自己的语音识别模型
基于python，chatgpt，gpt-sovits进行b站直播ai语音自动回复弹幕部署
peknic的博客
08-26 1300
利用python来实现b站直播间自动回复弹幕
语音识别(ASR)论文优选：车内场景粤语指令数据集CI-AVSR: A Cantonese Audio-Visual Speech Dataset for In-car Command Recogni
低调奋进
01-12 3046
声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请
语音识别(ASR)论文优选：粤语语料集Automatic Speech Recognition Datasets in Cantonese Language: A Survey and a New D
低调奋进
01-10 2578
声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请
Magichub重口音对话ASR挑战赛发布测试集
weixin_47718443的博客
06-14 330
6月14日，Magic Data正式向参赛队伍开放 Magichub 重口音对话ASR挑战赛发布测试集。
文言文编程还不够好玩？这里有个16岁高中生开发的粤语编程项目，GitHub star量600+...
weixin_36896856的博客
06-11 295
点击上方“AI遇见机器学习”，选择“星标”公众号重磅干货，第一时间送达来自：机器之心粤语编程语言——TheCantonese Programming Language。看来大家都是 C ...
端到端语音识别
李思成的博客
07-18 1098
使用单个序列到序列模型，直接将输入声学特征序列映射到文本。输入特征目前，端到端语音识别系统常用的输入特征是滤波器组频谱（filterbank，简称 fbank）。预加重：对原始语音信号进行预加重，以增强高频成分，改善信号的频谱特性。分帧：将语音信号分成多个小的帧，每帧通常为20-40毫秒，以便进行短时分析。加窗：对每个帧应用窗函数（如汉明窗），以减少频谱泄漏现象。短时傅里叶变换（STFT）：对每个加窗后的帧进行短时傅里叶变换，得到频谱图。Mel 滤波。
搭建你自己的语音识别文字服务【faster-whisper】
ltbweber的博客
07-23 510
搭建你自己的语音识别文字服务【faster-whisper】
基于HMM的语音识别系统，python实现版本
05-29
通过这个基于HMM的语音识别系统Python实现，你可以深入了解HMM在语音识别中的应用，并动手实践，提升你的AI开发能力。同时，结合文档资料和持续学习，可以进一步优化和改进模型，以适应更复杂的语音识别场景。
语音识别demo,语音识别的模型,Python源码.zip
10-15
用户不仅可以借此了解语音识别的原理，还能动手操作，提升自己的编程和模型应用能力。在实际应用中，语音识别技术广泛应用于智能家居、智能助手、自动驾驶、医疗诊断、电话客服等多个领域，具有极高的实用价值。
语音识别.rar_GSM C51_matlab 语音识别_matlab语音识别_语音识别_语音识别matlab
07-15
在语音识别项目中，MATLAB可能用于开发和训练识别模型，进行语音特征的提取和分类，以及数据的可视化和调试。 5. **MATLAB语音识别**：MATLAB提供了丰富的语音处理工具箱，如Signal Processing Toolbox和Audio ...
【Spark Mllib】K-均值聚类——电影类型
06-18 7959
经过损失函数的评估，将性能最好的一次训练选定为最终的模型。试图将一系列样本分割成K个不同的类簇（其中K是模型的输入参数），其形式化的目标函数称为类簇内的方差和（within cluster sum of squared errors，WCSS）。但是，也有证据表明聚类过程会提取电影之间的属性或者相似之处，这不是单纯基于电影名称和题材容易看出来的（比如外语片的类簇和传统电影的类簇，等等）。内部评价指标WCSS（我们之前提过的K-元件的目标函数）,是使类簇内部的样本距离尽可能接近，不同类簇的样本相对较远。
语音识别文本纠错模型
03-29 5968
文本纠错任务是一项NLP基础任务，其输入是一个可能含有错误字词的句子，输出是一个正确的中文句子。ASR（语音识别）文本的错误类型很多，有多字、少字、错别字、同音近音字等等。
当前音乐推荐系统研究中的挑战和愿景
09-21 4633
近年来，由于在线流媒体服务的出现和成功，音乐推荐系统（MRS）经历了飞速发展，如今，在线推荐服务几乎可以使所有音乐触手可及。尽管当今的MRS可以极大地帮助用户在这些庞大的目录中找到有趣的音乐，但MRS的研究仍面临着严峻的挑战。特别是在构建、合并和评估推荐策略时，这些策略除了将信息整合到简单的用户物品交互、基于内容表达之外，还需要深入挖掘听众的需求、偏好和意图的本质。MRS研究成为很大的努力方向，但相关的出版物却很少。此趋势和调查文章的目的是双重的。
论文阅读：《Improving Content-based and Hybrid Music Recommendation using Deep Learning》
04-18 1208
https://blog.csdn.net/u011239443/article/details/79984751 论文地址： https://www.smcnus.org/wp-content/uploads/2013/09/deep_mr.pdf 摘要 现有的基于内容的音乐推荐系统通常采用两阶段的方法。他们首先提取传统的音频内容特征，如 Mel-frequency cepstra...
【网易云音乐】基于行为序列的召回&精排模型
03-27 1008
据介绍，基于音乐知识图谱，云音乐得到不同实体之间一步两步甚至多步的关系，比如表面上看起来可能毫不相干的两个艺人，因为这两位艺人同时给同一个电视剧演唱的关系，就形成了一个关联关系。但云音乐的工程师们在实践做，发现兴趣融合门机制部分，长期兴趣的权重非常小，最终用户加权的向量表示基本只包含了短期的兴趣，而对长期的兴趣影响非常小。但个人认为，分成长期兴趣空间和短期兴趣空间，那就意味着线上serving模块需要基于2个用户的兴趣表示进行召回，也就多了两者召回比例的超参数需要调节 ==需将id分不同种类后，各自基于。
音频-语言大模型原理
最新发布
09-08 956
直接偏好优化 (DPO) 是一种优化技术，它帮助模型更好地理解并遵循人类的偏好。对于Qwen2-Audio来说，DPO主要用于优化模型的响应，使其更加符合用户的期望，尤其是在事实准确性与行为一致性方面。这个公式的目标是让模型更倾向于生成好的响应(y_w)而不是较差的响应(y_l)。DPO的目标是让模型生成的响应更接近于人类认为好的响应。为此，我们需要准备一个带有偏好信息的数据集，其中包含了对每组输入的好坏响应标注。在语音理解方面，模型架构主要包括两个连续的模块：语音编码器和适配器。
动手打造互动虚拟人
09-03 683
【代码】动手打造互动虚拟人。
语音识别入门：实验指南与开源工具介绍
"实验指导书-语音识别技术的实践与理解" 本文主要探讨了自动语音识别（ASR）技术及其在人机交互和国家安全等领域的应用。ASR是一种利用数学模型将语音信号转换为文本的技术，它融合了信号处理、信息论、模式识别、...
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

打赏作者

小爷毛毛（卓寿杰）

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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