随笔分类 - 从零开始学kaldi
摘要：这次wer由15%下降到0%了，后面跑更多的模型 LOG (apply-cmvn[5.2.124~1396-70748]:main():apply-cmvn.cc:162) Applied cepstral mean normalization to 20 utterances, errors on
阅读全文
摘要：基本模型没有变化，主要是调参，配置： %WER 65% 下降到了 15% 后面再继续优化... Graph compilation finish!steps/decode.sh --nj 1 --cmd utils/run.pl exp/mono0/graph_tgpr data/waves_tes
阅读全文
摘要：train_mono.sh prepare_lang.sh run.sh
阅读全文
摘要：http://blog.csdn.net/u013677156/article/details/77893661 1、kaldi解码过程 kaldi识别解码一段语音的过程是：首先提取特征，然后过声学模型AM，然后过解码网络HCLG.fst，最后输出识别结果。 HCLG是解码时的重要组成部分。HCLG
阅读全文
摘要：孤立词参考的例子就是yes/no脚本。 这里我们做10个词识别实验，熟悉整条链路。 后续尝试一些新的模型提高识别率； 再尝试模型语速、语调、平稳噪声的鲁棒性，尝试已有去噪处理算法的优化前端； 扩大孤立词的数量，裁剪模型，效率优化，熟悉FST解码器，将嵌入式硬件的孤立词识别能做到实用层面。 最后做连续
阅读全文
摘要：SRILM是一个建立和使用统计语言模型的开源工具包，从1995年开始由SRI 口语技术与研究实验室（SRI Speech Technology and Research Laboratory）开发，现在仍然不断推出新版本，被广泛应用于语音识别、机器翻译等领域。这个工具包包含一组C++类库、一组进行语
阅读全文
摘要：转自：http://blog.csdn.net/xmdxcsj/article/details/54695506 overview Karel’s DNN和Dan’s DNN格式不兼容，可以使用egs/rm/s5/local/run_dnn_convert_nnet2.sh进行格式转化。 nnet1
阅读全文
摘要：作者：zqh_zy链接：http://www.jianshu.com/p/c5fb943afaba來源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 本文通过简单kaldi源码，分析DNN训练声学模型时神经网络的输入与输出。在进行DNN训练之前需要用到之前GMM-HMM训
阅读全文
摘要：转自： http://www.jianshu.com/p/5b19605792ab?utm_campaign=maleskine&utm_content=note&utm_medium=pc_all_hots&utm_source=recommendation http://www.jianshu.
阅读全文
摘要：转自：http://blog.csdn.net/inger_h/article/details/52789339 在已经训练好模型的情况下，需要针对一个新任务做在线识别应该怎么做呢？ 一种情况是，用已有的声学模型和新训练的语言模型。 语言模型可以同srilm等工具训练，但是怎样将语言模型与DNN声学
阅读全文
摘要：转自：http://blog.csdn.net/huchad/article/details/52092796 使用kaldi的DNN做音频分类，异常声音检测。 HMM/GMM -》 HMM/DNN 基本上沿用语音识别的思路，有两点注意一下即可。 1. 在训HMM/GMM时，训到monophone即
阅读全文
摘要：转自：http://blog.csdn.net/zjm750617105/article/details/55211992 对于每个类别的GMM有几种思路： 第一是将所有训练数据按类别分开，每类的数据训练一个GMM模型 第二是将所有的数据训练一个UBM模型，然后将训练数据按类别分开，用MAP去训练每
阅读全文
摘要：参考：https://zhuanlan.zhihu.com/p/24979135?refer=ycgkk
阅读全文
摘要：运行getdata.sh，下载voxforge语音库 修改cmd.sh queue.pl为run.pl. install_srilm.sh 执行该脚本 按照网址下载srilm.tgz，然后运行install_srilm.sh 提示安装 sudo ./install_sequitur.sh sudo
阅读全文
摘要：转：http://ftli.farbox.com/post/kaldizhong-wen-shi-bie
阅读全文
摘要：首先，thchs30有两种数据库，kaldi运行的数据库最好是 thchs30-openslr。 修改run.sh里面的语音库路径 thchs30=... 修改nj线程数 等于CPU的核心数 修改cmd.sh queue.pl 改为run.pl本地机器跑 运行出现错误: lexicon.txt验证出
阅读全文
摘要：============================================================================ MMI + SGMM2 Training & Decoding ===============================================...
阅读全文
摘要：steps/diagnostic/analyze_alignments.sh --cmd run.pl --mem 4G data/lang exp/monosteps/diagnostic/analyze_alignments.sh: see stats in exp/mono/log/analy
阅读全文
摘要：TIMIT语音库是IT和MIT合作音素级别标注的语音库，用于自动语音识别系统的发展和评估，包括来自美式英语，8个地区方言，630个人。 每个人读10个句子，每个发音都是音素级别、词级别文本标注，16kHz,16bit。 注意：不用使用TIMIT配置作为运行Kaldi的一个通用型例子，因为它不是一个非
阅读全文