kaldi 中run_ivector_common

kaldi 中run_ivector_common.sh

在使用GMM-HMM对音频和文本进行对齐之后,在使用DNN网络的时候,kaldi中会加入说话人信息,一般用ivector特征,kaldi中run_ivector_common.sh 对特征做了进一步的处理:

  • 对特征进行速度上的扰动处理
# perturb the normal data to get the alignment _sp stands for speed-perturbed
utils/data/perturb_data_dir_speed_3way.sh data/${train_set} data/${train_set}_sp

结果,一般是对速度进行0.9、1.0、1.1的扰动处理

sp1.1-00000349544890655844_0-3083248710_0001 sox -t wav /data1/speechResource/run8k-train/ctrip_cancel/20190907/wavs/00000349544890655844_0/00000349544890655844_0-3083248710_0001.wav -t wav - speed 1.1 |
sp1.1-00000349544890655844_0-3083248722_0011 sox -t wav /data1/speechResource/run8k-train/ctrip_cancel/20190907/wavs/00000349544890655844_0/00000349544890655844_0-3083248722_0011.wav -t wav - speed 1.1 |
  • 音量进行扰动
  # do volume-perturbation on the training data prior to extracting hires
  # features; this helps make trained nnets more invariant to test data volume.
  utils/data/perturb_data_dir_volume.sh data/${train_set}_sp_hires$online_affix || exit 1;
  • 00000301430623824267_0-784002119_0004 sox --vol 0.913571714058 -t wav /data1/speechResource/run8k-train/ctrip_ivr/20190506/wavs/00000301430623824267_0/00000301430623824267_0-784002119_0004.wav -t wav - |
    00000301430623824267_0-784002122_0007 sox --vol 0.610468906799 -t wav /data1/speechResource/run8k-train/ctrip_ivr/20190506/wavs/00000301430623824267_0/00000301430623824267_0-784002122_0007.wav -t wav - |
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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