Google speech command 数据集获取

于 2024-05-24 00:12:26 发布
阅读量1.4k 收藏 30
点赞数 41
分类专栏： 全栈Bug调优(实战版) # CSDN问答解惑(全栈版) 文章标签： 数据集获取
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/weixin_43970743/article/details/139077593
版权

🏆本文收录于「Bug调优」专栏，主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！

问题描述

  在关键字检测领域，一个比较流行的数据集就是Google Speech Commands，但是目前根据链接或者是在pytorch中直接下载，都是下载的30类别+background_noise。如何找到它的V1-12,V2-12等其他版本的数据集？

如上问题有来自我自身项目开发，有的收集网站，有的来自读者，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
bug菌¹
关注
专栏目录
订阅专栏
谷歌语音识别官方speech_commands(audio_recognition)的使用指南
c2c2c2aa的博客
03-20 7823
我大概的确是只菜鸡喽。 google的官方例程，我居然跑了两天才运行成功，问题是代码还不需要我自己来亲自修改，我修改的只是文件路径，不过还是成功了，哈哈哈，还是蛮开心。 简单的来说吧，就是因为我直接使用官方例程，数据集下载不了 python train.py 我一怒之下就自己去下载了，但是自己 下载之后，运行代码，它就是报错，比如它找不到标签什么的，它中途停止了什么的 Compressed fi...
A neural attention model for speech command recognition
01-21
A neural attention model for speech command recognition
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（四）
c2c2c2aa的博客
03-21 1160
好吧，菜鸟博主又一次回来了。 昨天成功转化的tf文件还是不能移植到安卓，大胆的我又开始了新的想法。 使用ml文件训练模型 还是原来的配方 (要将gennerator中代码修改为这样) python train.py -data_dir=data/train 好的，我们已经拥有了.hd5文件，现在把它先转化为.pb文件 cmd中运行 python convert_keras_to_quantize...
google speech command dataset的生成
u011279649的专栏
02-09 2845
生成数据集的代码 tensorflow/examples/speech_commands ➜ speech_commands git:(master) ✗ ls accuracy_utils.cc data input_data.py label_wav_test.py recognize_commands.h train.py accuracy_utils.h free...
Google发布最新「语音命令」数据集，可有效提高关键词识别系统性能
weixin_33950035的博客
04-24 847
图源：unsplash来源 | 雷克世界编译 | 嗯~是阿童木呀、EVA导语：在本文中，我们描述了Google最新发布的一个用于帮助训练和评估关键词识别系统的口语词汇组成的音频数据集。讨论了为什么这个任务是一个有趣的挑战，以及为什么它需要一个专门的，与用于对完整句子进行自动语音识别的传统数据集所不同的数据集。我们提出了一种对该任务进行可重复、可比较的精确度指标度量方法。描述了数据是如何被收集和验证...
[深度学习进阶 - 实操笔记] 语音识别speech_commands数据集
iamfishman
06-10 5460
语音识别 训练过程 前几天简单学了下语音识别的基础知识。（语音识别基础知识）理解了深度学习如何处理语音数据，并且识别语音。所以我就尝试着用学习时候的网络（如下）跑Speech-commands数据集。从里面挑了十个语音类别。但是效果并不好。 # 只用到了卷积 对频谱图进行训练 class Net(torch.nn.Module): def __init__(self): super().__init__() self.seq = torch.nn.Sequentia
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（二）
c2c2c2aa的博客
03-20 1712
使用train.py训练完成模型后，自然就要转化成pb文件了 python freeze.py --start_checkpoint="E:\mian\speech\speech_commands\speech_commands_train\conv.ckpt-500" --output_file="E:\mian\speech\speech_commands\speech_commands_tr...
speech_command.zip
08-02
这是从google网站下载的tensorflow范例中的speech command示例android工程，能够识别简单的语音。由于示例在国内编译问题比较多，于是重新配置参数及库，便于调试。在android 4.0以及android O以上手机测试通过。
谷歌语音识别官方speech_commands(audio_recognition)的使用指南（三）
c2c2c2aa的博客
03-20 1395
有了pb文件，那我们必须把它转化为tf文件啊 import tensorflow as tf graph_def_file = "E:/mian/tflllll/my_frozen_graph.pb" input_arrays = ["Reshape_1"] output_arrays = ["add_2"] converter = tf.lite.TFLiteConverter.from_f...
learning_invariances_in_speech_recognition:在这项工作中，我研究了语音命令任务的开发和深度学习模型的分析。 最先进的技术使用卷积神经网络（CNN），因为它们具有学习与语音相关的表示的内在本质。 特别是，我开发了在Google Speech Command Dataset上训练并在不同场景下经过测试的不同CNN。 语音识别的主要问题在于不同人之间单词发音的差异
04-30
学习语音识别中的不变性 抽象的 在这项工作中，我研究了语音命令任务的开发和深度学习模型的分析。 最先进的技术使用卷积神经网络（CNN），因为它们具有学习与语音相关的表示的内在本质。 特别是，我开发了在Google Speech Command Dataset上训练并在不同场景下经过测试的不同CNN。 语音识别的一个主要问题在于不同人群之间单词发音的差异：建立可变性不变模型的一种方法是增加扰动输入的数据集。 在这项工作中，我研究了两种扩充：分别在频率和时间上局部干扰输入的人声道长度干扰（VTLP）和同步重叠与相加（SOLA）。 在增强数据上训练的模型在准确性，精确度和性能上都优于在正常数据集上训练的所有模型。 CNN的设计也对学习不变性产生影响：使用不同类型的核大小进行卷积，起始的CNN架构实际上有助于学习对于语音可变性不变的特征。 直观地讲，这是因为该模型具有检测音频特征中不同语音模式长度
【开源数据下载全步骤】利用Pytorch下载开源数据到本地，以Speech Command为例
GODXML的博客
05-31 1629
背景 找开源数据来练练手，虽然可以直接通过pytorch或TensorFlow加载使用，但感觉太麻烦了，所以想直接下载到本地使用。上网直接搜数据集没有那种直接下载的链接，最后发现可以直接通过pytorch或是TensorFlow下载。下面以pytorch下载Speech Command数据集为例。 下载方法介绍（可直接看最后的下载代码） 1、找到对应数据的页面 如Speech Command数据集 拖到下面的Dataset Loader，根据需要选择对应的下载路径。本例使用pytorch。 .
Tensorflow官方语音识别入门教程 | 附Google新语音指令数据集
weixin_33743880的博客
01-16 981
本文来自AI新媒体量子位（QbitAI） Google今天推出了一个语音指令数据集，其中包含30个词的65000条语音，wav格式，每条长度为一秒钟。 这30个词都是英文的，基本是yes、no、up、down、stop、go这类。 这个数据集由Google TensorFlow团队和AIY团队共同推出的，AIY就是之前推出树莓派DIY智能音箱的那个团...
使用Google语音识别引擎（Google Speech API）[3月5日修改]
快慢机的地盘
03-23 1510
地址：http://blog.csdn.net/dlangu0393/article/details/7214728     最近在使用Qt编写一个客户端程序的时候需要增加语音识别输入的功能。起初尝试使用SAPI来完成这个任务，但是发现SAPI不仅使用起来超级复杂，而且识别效果也很惨烈。于是就需要寻找一个更加便捷优秀的方案。 自从Chrome 11开始，Chrome开始支持HTML5的语音
Speech | 提取语音（数据集）的语音特征合集
weixin_44649780的博客
06-13 1632
提取语音（数据集）的语音特征工具（Extract audio features toolkits）本文主要讲解了提取数据集的一些主要工具，以及如何使用这些工具，包含安装以及运行命令。提取语音（数据集）的语音特征工具（Extract audio features toolkits）•openSMILE•••。
VS2017 使用 tensorflow examples 中 speech_commands，训练自己数据集
J。
04-14 1822
使用 TensorFlow 官方提供的 speech_commands 语音分类模块，训练自己数据集。 详细文档请参考：https://blog.csdn.net/rainhurt/article/details/89097842 ，详解的非常清晰。 编译 准备数据集，由于训练样本数据我们设定的是 1000ms, 所以我们需要将数据都调整成 1000ms 的音频，但实际情况中数据集中的音...
深度学习在语音识别中的突破
最新发布
程序员光剑
01-09 834
1.背景介绍 语音识别，也被称为语音转文本(Speech-to-Text)，是人工智能领域中一个非常重要的技术。它涉及到将人类的语音信号转换为文本形式，以实现人机交互、语音搜索、语音助手等多种应用。在过去的几十年里，语音识别技术一直是人工智能领域的热门研究方向之一。然而，直到近年来，随着深度学习技术的迅速发展，语音识别技术才得到了巨大的突破。 在本文中，我们将深入探讨深度学习在语音识别领域的应...
即插即用 | RandomMix 集百家之长实现超越Mixup的数据增强方法！
qq_29462849的博客
05-26 845
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨ChaucerG来源丨集智书童数据增强是一种非常实用的技术，可以用来提高神经网络的泛化能力，防止过拟合。最近，混合样本数据增强受到了很多关注并取得了巨大的成功。为了提高混合样本数据增强的性能，最近的一系列工作致力于获取和分析图像的显著区域，并使用显著区域来指导图像混合。然而，获取图像的显著信息需要大量额外的计算...
deepspeech2训练数据集
04-28
DeepSpeech2是一个端到端的语音识别模型，需要大量的训练数据来训练模型，获得良好的性能。训练数据集是指使用来自现实世界的语音样本进行训练的数据集。通常情况下，数据集需要具有丰富的语音子集，以及覆盖多个说话人和背景噪声的种类，以确保模型能够准确地识别各种语音情况。 数据集的构造需要详细的步骤，包括数据的采集、清理、标注、分割等。首先，需要设计一套数据采集方案，采集多种语音子集和背景噪声，以确保数据集具有多样性。然后，数据需要进行清理和分割，剔除重复和低质量的样本，保证数据的可靠性和准确性。接着，需要对数据进行标注，将语音对应到文本，方便模型进行训练和评估。最后，数据需要被随机分成不同的训练集、测试集和验证集，以保证模型训练的有效性和泛化能力。 对于DeepSpeech2而言，训练数据集对模型性能的影响非常重要。因此，数据集的构建需要认真考虑，确保数据集具有高质量、多样性和丰富性。通常情况下，为了获得更好的训练效果，需要将训练数据集的规模尽可能地扩大，例如使用扩增技术、数据增强等方式。同时，还需要考虑数据集的时间和成本，以确保数据集的可实现性和实用性。
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

bug菌¹

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