一种基于GOP改进的口语语音评测算法

最新推荐文章于 2023-04-28 10:15:22 发布
最新推荐文章于 2023-04-28 10:15:22 发布
阅读量3.1k 收藏 5
点赞数
分类专栏： 语音评测 文章标签： 语音评测
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/zyjzyj55/article/details/105566409
版权

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。
在这里插入图片描述
测试后发现还是比原来的GOP语音评测算法有所改善。
在这里插入图片描述

cheetah_qiufeng
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
发音测评 kaldi compute gop 保姆级实战指南
junxing2018_wu的博客
08-14 1844
发音测评 kaldi compute gop 动手操作
【发音测评三】gop_speechocean762 compute-gop.cc源码阅读
u011590738的博客
06-28 931
【发音测评三】gop_speechocean762 compute-gop.cc源码阅读
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
Goodness of Pronunciation
Just for fun的专栏
06-19 1959
关于打分使用的算法 目前工业界采用的主流的跟读口语评分方法主要是基于隐马尔可夫模型(Hidden Markov Model)的语音识别引擎， 利用其似然分数值(likelihood score)以及其他相关的信息做为评分依据。 其中，最经典的GOP(Goodness of Pronunciation)方法是由麻省理工大学的Silke Witt在他的博士论文中提出。 之后的评分方法大都与GOP算法相似，或者是由它衍生出来。流利说使用的打分算法也正是以GOP算法为基础的。 GOP算法：Wit...
英语口语语音评测方法
cheetah的专栏
03-21 7016
主要有两种方案： 1.GOP(Goodness of Pronunciation) 2.MDD 目前国内的语音评测算法大部分基于GOP(Goodness of Pronunciation)或者以此为基础来评测发音的好坏的，还有个就是香港中文大学蒙美玲教授团队搞的MDD方案，数据是标注到phone级别的，人工成本比较高。 kaldi中也把GOP集成进来了，在egs里面有gop部分，有兴趣可以参考。 ...
好未来 Dolphin-儿童口语表达能力AI自动评测：顶尖AI算法技术与教育理念的有机结合 | 百万人学AI评选
weixin_37986590的博客
06-19 1810
2020 无疑是特殊的一年，而 AI 在开年的这场”战疫“中表现出了惊人的力量。站在“新十年”的起点上，CSDN【百万人学AI】评选活动正式启动。本届评选活动在前两届的基础上再度升级，设立了「AI优秀案例奖Top 30」、「AI新锐公司奖Top 10」、「AI开源贡献奖Top 5」三大奖项。我们相信，榜样的力量将成为促进AI行业不断发展的重要基石，而CSDN将与这些榜样一起，助力AI时代的”新基建“。 活动官网：https://bss.csdn.net/m/topic/ai_selection/in...
Speech and Language Processing之评估语言模型
最新发布
Frank-Li的博客
04-28 180
评估语言模型性能的最佳方法是将其嵌入到应用程序中，并度量应用程序的改进程度。这种端到端评价被称为外在评价。外部评估是了解组件的特定改进是否真的有助于手头任务的唯一方法。因此，对于语音识别，我们可以通过两次运行语音识别器来比较两种语言模型的性能，每种语言模型运行一次，并查看哪个提供更准确的转录。不幸的是，端到端运行大型NLP系统通常非常昂贵。相反，如果有一个度量标准可以用来快速评估语言模型的潜在改进，那就更好了。内在评价度量是指独立于任何应用程序的模型质量的度量。对于语言模型的内在评价，我们需要一个测试集。
中文语音评测之thchs30+gop_speechocean762实现
wyw0000的博客
07-04 948
中文语音评测 thchs30+gop_speechocean762实现 kaldi中文语音评测
kaldi-gop两种算法简介及c++实现
wyw0000的博客
03-11 765
kaldi-gop 算法 c++实现
以语音评测的PC端demo代码为例，讲解口语评测如何实现
weixin_34204722的博客
01-22 1554
本文由云+社区发表 作者：腾讯智慧教育 概述 腾讯云智聆口语评测（英文版）（Smart Oral Evaluation-English，SOE-E）是腾讯云推出的语音评测产品，是基于英语口语类教育培训场景和腾讯云的语音处理技术，应用特征提取、声学模型和语音识别算法，为儿童和成人提供高准确度的英语口语发音评测。腾讯云智聆口语评测（英文版）支持单词和句子模式的评测，多维度反馈口语表现，可广泛...
关于口语评分机制
子燕若水的博客
01-25 1285
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。
流媒体码流、分辨率、gop、qp、fps、cvbr等常见概念理解
热门推荐
Leezha的博客
11-21 2万+
IDR         Instantaneous Decoding Refresh，即时解码刷新。为将首个I帧和其他I帧区别开，定义首个I帧为IDR帧。它与I帧、P帧、B帧的区别见http://blog.csdn.net/sphone89/article/details/8086071。   GOP         Group of Picture，关键帧的周期，也就是两个IDR帧之间的
语音识别数据集及性能评测指标WER
大章鱼有小学术之心的博客
06-30 5076
语音识别 LibriSpeech ASR corpus LibriSpeech 数据集 共将近1000个小时的数据集。分为clean和other两类。具体见链接。 WER评价指标 WER means " word error rate" 对于语音识别的预测结果，需要对此结果进行替换删除、插入某些词使之和标注词序列完全相同。修改的总词数比上标注词序列的个数即为WER，此项指标越低越好。具体计算公式...
视频压缩编码 gop（Group of Pictures）（I帧间隔）的概念、IDR、I帧（关键帧，intra picture）、P帧、B帧、帧内压缩、帧间压缩、pts（显示时间）、dts（解码时间）
Dontla的博客
12-11 1万+
文章目录前言：关于视频的基础定义GOP：Group of Pictures压缩（也就是编码）帧内压缩：自己本身压缩，不参考其他的帧。帧间压缩：参考其他视频帧压缩。解码（解压缩）为什么好多人说GOP是两个I帧的间隔？I帧：关键帧，intra pictureIDR帧：Instantaneous Decoding RefreshP帧：Predictive Picture（预测编码图像帧）B帧：Bidirectionally predicted picture（双向预测编码图像帧)帧率：码流：或者称为码率，只针对视
GOP之M和N值介绍
liuyl2016的博客
11-07 5249
MediaInfo分析H264文件得到的GOP参数
视频编解码 GOP基本概念
vistaup的博客
05-11 4437
ffprobe -show_frames -i "http://xxx.xxx" | grep "pict_type=" 输出之后查看两个 I帧 之间的间隔，就是GOP
视频编解码基本概念之 GOP
自己的学习笔记
10-07 1万+
GOPgroup of pictures GOP说白了就是两个I帧之间的间隔.比较说GOP为120,如果是720p60的话,那就是2s一次I帧. 在视频编码序列中，主要有三种编码帧：I帧、P帧、B帧，如下图所示。 ● I帧即Intra-coded picture（帧内编码图像帧），不参考其他图像帧，只利用本帧的信息进行编码 ●
4-26 根据gop 讲解x264整个过程
weixin_34259159的博客
04-26 200
GOP 两个IDR帧之间的距离，x264中和GOP中相关的参数有两个，其一是-keyint，控制的是GOP中最大可能距离，另一个是-min-keyint，控制的是允许最小的GOP距离IDR 和IDR有关的参数除了上面的GOP设定的两个基本参数之外，还有一个scenecut控制了如何自适应的通过判断场景的变化加入IDR帧，用来override之前的判断。具体做法是通过计算本帧和前一帧之间visual...
评论 5
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