【发音测评一】流程梳理

已于 2022-06-28 09:14:41 修改
阅读量500 收藏 2
点赞数 3
分类专栏： 发音测评 文章标签： 人工智能 语音识别
于 2022-06-27 17:21:15 首次发布
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/u011590738/article/details/125488025
版权

利用 kaldi 中 gop_speechocean762 的 run.sh 代码，通过处理一个音频文件（含有英文单词：FABULOUS的音频），梳理了代码的主要执行流程。

代码的相关路径：./egs/gop_speechocean762/s5/run.sh

截图中右边展示：输入的音频文件（含有英文：FABULOUS的音频），经过一系列的变化，输出最终的每个音素（共8个）的特征。

具体如下图所示：

LLM系列(1)：构建面向知识库的行业专属大模型系统——全流程落地技术方案
丨汀、的博客
04-29 1414
LLM系列(1)：构建面向知识库的行业专属大模型系统——全流程落地技术方案
自然语言处理评测汇总（持续更新）
南有芙蕖
08-11 4330
自然语言处理评测汇总（持续更新） 目录自然语言处理评测汇总（持续更新）一、评测相关会议1、 WSDM Cup 2020（2月份）2、 TAC相关评测（3月份）3、 CCKS相关评测（3月份）4、 NLPCC相关评测（3月份）5、 全国社会媒体处理大会相关评测（3月份）6、 SemEval（9月份）7、知乎看山杯（2017—2019）（2020未发布）8、CCF大数据与计算智能大赛（2020未发布）9、全国第二届“军事智能机器阅读”挑战赛（2020未发布）10、待补充……附录：（评测平台）二、ChineseG
关于口语评分机制
子燕若水的博客
01-25 1915
也就是说，我们的打分引擎“听”过了几千美国人近万小时的录音，从中总结出了统计特征与规律，并利用这些规律对流利说用户的录音进行发音的评分。具体来说，流利说打分系统利用的是人直接通过手机的录音数据做训练的，而录音回放经过了放音，录音的过程，这些额外的信道引入的畸变（channel distrotrtion）自然会影响分数。在我们的测试中，流利说的打分系统的人机相关性、一致性已经超过了人与人之间的平均相关性、一致性。而在打分系统中，一段语音对应的文字是事先知道的，系统需要做的是对这段语音做一个发音上的评价。
kaldi-gop:计算基于GMM的发音善度（GOP）。 基于卡尔迪
05-23
卡尔迪戈普 该项目使用Kaldi计算基于GMM的GOP（发音优度）。 有关基于DNN的实现的说明 此实现是基于GMM的。 对于基于DNN的实现，请检查Kaldi的官方存储库： GOP-DNN的性能应该比GOP-GMM好得多。 如何建造 ./build.sh 运行示例 cd egs/gop-compute ./run.sh 理论 在传统的基于GMM-HMM的系统中，GOP最早是在（Witt等，2000）中提出的。 它被定义为后验的持续时间标准化对数： $$ GOP（p）= \ frac {1} {t_e-t_s + 1} \ log p（p | \ mathbf o）$$ 其中$ \ mathbf o $是输入观测值，$ p $是规范电话，$ t_s，t_e $是开始和结束帧索引。 假设对于任何$ q_i，q_j $，$ p（q_i）\ p（q_j）$，我们有： $$ \ lo
kaldi-gop两种算法简介及c++实现
wyw0000的博客
03-11 948
kaldi-gop 算法 c++实现
kaldi-gop
libeicuo8108的博客
09-22 1416
shell脚本位置kaldi-master/egs/gop/s5/run.sh 跑完log: feat-to-len scp:../s1/data/test-1000_hires/feats.scp ark,t:data/test_10short/tmp.len utils/subset_data_dir.sh: reducing #utt from 1000 to 10 steps/nnet3/compute_output.sh --cmd run.pl --nj 1 --online-ivect
一种基于GOP改进的口语语音评测算法
cheetah的专栏
04-16 3552
最近在看语音评测的算法，看到2019年INTERSPEECH 2019 的的一篇paper。这篇主要是研究了 HMM transition probabilities对语音评测的影响。
C#开发的学生综合测评管理系统解决方案
在深入讨论知识点之前，我们先从提供的...显然，构建一个学生综合测评管理系统是一个综合性的IT项目，需要学生具备扎实的C#编程基础，熟悉.NET框架和面向对象的软件开发流程，以及掌握数据库设计与管理等多方面的能力。
EricChu的雅思之路——2020雅思A类考试切身体会\自学备考建议\考试完整流程（最详细版请耐心阅读）
qq_40625251的博客
08-30 3104
笔者于2020年8月8日参加了雅思学术类纸笔考试。这对我自己来说是空前绝后的，因为在考试前我完全不了解雅思，并且因为准备雅思考试是一个漫长而具有挑战性的过程，我不打算再考了，够用就行： 听力 阅读 写作 口语 总分 7.5 6.5 6.0 6.0 6.5 对于出国来说，这个成绩满足了我选择的国家90%的大学要求。虽说考到这个成绩不值一提，但我还是想以此文做一个阶段性总结，顺便给正准备加入考鸭队伍的你一点实用的建议。 Index一、雅思是什么？1、考试内容？2、雅思考试的==杀手锏==：（
【面试频道-银行篇】摩根斯坦利在线测评
三少GG
04-06 1万+
+++++++++++++++++++++++++++ +Grant推荐：                                            + +不错的博客地址：http://shijuanfeng.blogbus.com/     + +关注标签 1. 笔试面试[61]   2. 编程之美[8]  3. C/C++[68]
手把手教你用 Keras 实现 LSTM 预测英语单词发音
lovenankai的专栏
08-01 769
本文为 AI 研习社编译的技术博客，原标题 Predicting English Pronunciations，作者 Ryan Epp。翻译 | 涂世文 整理...
国内外最好的语料库汇总
热门推荐
岁月如歌
07-18 3万+
语料在语言学科研究和深度学习中都至关重要，下面对常用的语料库资源进行总结：部分信息来源于其他博客，但是本文会保持持续更新Open Speech and Language Resources http://www.openslr.org/resources.php更新(2020年6月10)：若干开源语音数据库： https://blog.ailemon.me/2018/11/21/free-open-source-chinese-speech-datasets/更新2020/10/23AISHELL-3 高保
GOPT项目使用指南
gitblog_00952的博客
08-25 818
GOPT项目使用指南 goptCode for the ICASSP 2022 paper "Transformer-Based Multi-Aspect Multi-Granularity Non-native English Speaker Pronunciation Assessment".项目地址:https://gitcode.com/gh_mirrors/go/gopt 项目介绍 G...
Kaldi-based Goodness of Pronunciation (GOP) 项目常见问题解决方案
最新发布
gitblog_00262的博客
01-03 367
Kaldi-based Goodness of Pronunciation (GOP) 项目常见问题解决方案 kaldi-gop Computes the GMM-based Goodness of Pronunciation (GOP). Bases on Kaldi. ...
Kaldi nnet3 -------- Data Type
dearwind153的专栏
11-14 5232
       本文为 kaldi 官网关于 nnet3 的译文：        简介         本文覆盖最新的nnet3。为了了解Kaldi里的所有DNN，例如karel的版本，参考 Deep Neural Networks in Kaldi。 nnet3的创建是为了以更自然的方式不需要实际编码就支持更多通用种类的网络，而不仅仅是反馈网络（例如RNN和LSTM）。和nnet2一样支持多...
Kaldi 使用，egs下通用样例及功能小结（很硬，慎入）
c12345678999的博客
05-29 3980
样例表 egs下的样例 数据源，功能 用到的相关工具 aidatatang_200zh/s5 数据堂200h中文开源数据，用于语音识别 LM+MFCC+Mono+Triphone(tri1:deltas;tri2:delta+delta-delta;tri3a:lda+mllt)+fMLLR+SAT+TDNN aishell/v1 openslr33数据 ，声纹识别(ivector) MFCC+UBM+PLDA aishell/s5 openslr33数据 ，语音识别 LM+MFCC
语音处理的分帧，帧移，加窗，滤波，降噪，合成概念理解
phymat.nico的专栏
08-20 1万+
一、分帧 语音数据和视频数据不同，本没有帧的概念，但是为了传输与存储，我们采集的音频数据都是一段一段的。为了程序能够进行批量处理，会根据指定的长度（时间段或者采样数）进行分段，结构化为我们编程的数据结构，这就是分帧。 二、帧移 由于我们常用的信号处理方法都要求信号是连续的，也就说必须是信号开始到结束，中间不能有断开。然而我们进行采样或者分帧后数据都断开了，所以要在帧与帧之间保留重叠部分数据，...
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
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