前言Kaldi是当前最流行的开源语音识别工具(Toolkit)，它使用WFST来实现解码算法。Kaldi的主要代码是C++编写，在此之上使用bash和python脚本做了一些工具。而实时识别系统的好坏取决于语音识别的性能，语音识别包含特征提取、声学模型、语言模型、解码器等部分。Kaldi工具箱集成了几乎所有搭建语音识别器需要用到的工具。step1、下载源代码git clone https://gi
转载
2024-07-26 11:37:11
184阅读
1. Introduction该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模，其中声学模型包括 CNN-CTC、GRU-CTC、CNN-RNN-CTC，语言模型包含 transformer、CBHG，数据集包含 stc、primewords、Aishell、thchs30 四个数据集。本项目现已训练一个迷你的语音识别系统，将项目下载到本地上，下载 thchs 数据集并解压至 data
转载
2024-05-17 05:38:28
592阅读
语音技术在近年来开始改变我们的生活和工作方式。对于某些嵌入式设备来说，语音成为了人机交互的主要方式。出现这种趋势的原因，首先是计算能力的不断提升，通用GPU等高计算能力设备的发展，使得训练更复杂、更强大的声学模型（Acoustic Model, AM）变得可能，高性能的嵌入式处理器的出现，使语音识别的终端应用变得可能。 声学模型是人工智能领域的几大基本模型之一，基于深度学习的声学模型发展对于人工
转载
2024-03-22 13:28:04
124阅读
⛄ 内容介绍 1、语音识别系统概述 语音信号是一种典型的非平稳信号，并且在录音过程中不免受到电噪音，呼吸产生的气流噪音以及录音环境下的突发噪音的影响，所以语音信号要经过预滤波、采样量化、分帧、加窗、预加重、端点检测等预处理过程后才可以进行下一步的特征征参数提取等工作。在接下来的语音
摘要最近，在自动语音识别（ASR）领域，Transformer和卷积神经网络（CNN）的模型已经显示出较好的结果，且优于循环神经网络（RNN）。Transformer模型擅长捕获基于内容的全局交互，而CNNS有效利用局部特征。在这项工作中，我们通过研究如何以参数高效的方式，将卷积神经网络和Transformer组合起来，来建模音频序列的局部和全局依存，从而充分利用两者优势。为此，我们提出了用于语音
转载
2024-07-08 09:25:56
348阅读
Conformer: Convolution-augmented Transformer for Speech Recognition 论文鉴赏Conformer：针对语音识别的卷积增强by 熠熠发光的白前言：这是我人生中第一次看相关论文！激动！主要是为了完成后面要学习的HW4的代码修改工作~论文网址：https://arxiv.org/pdf/2005.08100.pdfAbstract 近期T
转载
2024-08-12 17:10:14
32阅读
GitHub 地址本教程目标：更高层次地理解PyTorch的Tensor库以及神经网络训练一个小的神经网络模型用于图像分类前提：安装torch和torchvision包。目录1. 什么是PyTorch？2. Autograd：自动求导3. 神经网络4. 训练分类器5. 可选：数据并行处理1. 什么是PyTorch？PyTorch是一个基于python的科学计算包，主要针对两类人群：1)
目录1 引言2 介绍3 Conformer模型3.1 Muti-Headed Self-Attention 模块3.2 卷积模块3.3 Feed forward 前馈模块4 实验分析5 疑问和思考 1 引言Transformer 模型擅长捕捉基于内容的全局交互，而 CNN 则有效地利用了局部特征。2 介绍Transformer 擅长对远程全局上下文进行建模，但它们提取细粒度局部特征模式的能力较差
# 在PyTorch中实现Conformer语音分类
在如今的机器学习领域，语音分类是一个非常热门的研究方向，而Conformer（Convolution-Augmented Transformer）则是一个非常有效的模型架构。本文将详细介绍如何使用PyTorch实现Conformer进行语音分类。
## 整体流程
首先，让我们简单介绍一下实现Conformer语音分类的整体步骤。以下是整个
原创
2024-10-03 03:49:27
278阅读
文章目录一、语音识别的相关解释二、语音识别涉及到的学科三、语音识别的发展四、语音识别的分类4.1 根据不同对象分类4.2 根据不同发音人分类4.3 根据语音设备和通道分类4.4 根据应用场景分类五、语音识别的模型5.1 传统机器学习模型特征提取方法六、深度学习模型模型类别七、开源语音识别库八、语音数据库九、语音数据的预处理 一、语音识别的相关解释 &
转载
2024-03-22 12:33:51
88阅读
编者：今年的INTERSPEECH于8月20日至24日在瑞典的斯德哥尔摩顺利召开，众多的高校研究机构和著名的公司纷纷在本次会议上介绍了各自最新的技术、系统和相关产品，而阿里巴巴集团作为钻石赞助商也派出了强大的阵容前往现场。从10月25日开始，阿里iDST语音团队和云栖社区将共同打造一系列语音技术分享会，旨在为大家分享INTERSPEECH2017会议上语音技术各个方面的进展。第二期分享的主题是语音
转载
2024-08-09 16:36:24
58阅读
1 whisper介绍 拥有ChatGPT语言模型的OpenAI公司，开源了 Whisper 自动语音识别系统，OpenAI 强调 Whisper 的语音识别能力已达到人类水准。 Whisper是一个通用的语音识
转载
2024-02-02 16:21:41
128阅读
00 - 前言
欢迎学习《基于 Conformer 和 Transformer 模型的中文语音识别》实验。本案例旨在帮助你深入了解如何运用深度学习模型搭建一个高效精准的语音识别系统，将中文语音信号转换成文字，并利用开源数据集对模型效果加以验证。
学习目标
在本课程中，您将学习如下内容：
语音数据预处理的方法
使用AI模型对语音数据进行预测推理的流程
AI模型推理结果后处理的方法
端到端的深度学
简介 Whisper 是 OpenAI 的一项语音处理项目，旨在实现语音的识别、翻译和生成任务。作为基于深度学习的语音识别模型，Whisper 具有高度的智能化和准确性，能够有效地转换语音输入为文本，
注意： CUM_Sphinx的安装及使用看这篇帖子：本人的Linux系统为64位，Ubuntu18.04。 本人经理了好多坑才可以训练成最终的语言模型，在此记录下来供后来的人学习。 安装过程整理自以下帖子：Sphinx武林秘籍(中)――训练自已的中文语言模型与声学模型Android本地语音识别引擎PocketSphinx-语言建模https://zuoshu.iteye.com/blog/1413
转载
2024-04-29 13:40:21
1012阅读
编者按：过去十年，得益于人工智能与机器学习的突破、算法与硬/软件能力的进步，以及拥有既多样又大量的语音数据库，用以训练多参数的、大规模的语音识别与合成模型，使得语音处理技术获得飞跃性进展。
随着端到端神经网络在机器翻译、语音生成等方面的进展，端到端的语音识别也达到了和传统方法可比的性能。不同于传统方法将语音识别任务分解为多个子任务（词汇模型，声学模型和语言模型），端到端
转载
2024-04-29 12:48:02
196阅读
本发明涉及语音识别研究领域，尤其涉及一种语音识别模型的训练方法及装置。背景技术：随着计算机技术和人工智能技术的发展，让计算能听、能说，是未来人机交互的重要发展方向，其中语音成为最被看好的人机交互方式，而且利用语音技术进行人机交互比其他的交互方式有更多的优点；目前的语音识别技术中，语音的输入以标准普通话输入为准，目前的语音识技术对于普通话输入的语音识别的准确率很好，但是对于带有一些个人口音以及方言的
转载
2023-12-21 12:36:19
122阅读
Viterbi-EM语音识别训练方法 前文刚研究过语音识别特征提取以及基于Viterbi的状态解码方法，现着手研究基于GMM-HMM的语音语音识别声学模型训练方法，其理论部分可参考本人前期所写的GMM-HMM理论推导拖成，但上述推导过程是采用前后向算法更新模型参数，本人则主要采用Viterbi-EM训练方法对GMM中参数进行更新训练。 实际上该训练方法主要是针对GMM 中均
转载
2023-12-06 21:02:45
221阅读
本博客主要是摘写洪青阳教授的《语言识别-原理与应用》的笔记，不足之处还请谅解。语音识别为：根据输入的观察值序列O，找到最可能的词序列。按照贝叶斯准则，识别任务可做如下转化： 其中，和识别结果无关，可忽略不急，因此的求解可进一步简化为： 要找到最可能的词序列，必须使上式右侧两项的乘积最大。其中，由声学模型决定，由语言模型决定。声学模型就是前面学过的，通过声音进行分析的模型。语言模型用来表示词序列出现
转载
2024-03-20 09:30:57
126阅读
深度学习时代之前，基于GMM-HMM的方法在语音识别领域曾被广泛应用。本文主要对参考博文进行翻译，介绍HMM的三大基本问题：前向算法、解码、训练，同时简要介绍其如何结合GMM进行语音识别。与原文相比省略较多，有能力的可以阅读原文。PS:本文适合对HMM及语音识别有一定了解的人阅读；或只想得到一些直观理解；大部分公式未作详细解释。语音识别利用HMM进行语音识别的基本原理如下图。语音识别的主要目的就是
转载
2024-03-18 07:57:03
128阅读
