目录一、引言二、神经网络和深度学习三、实验结果分析四、参考文献五、Matlab代码获取 一、引言随着机器学习与人工智能技术的飞速发展，语音识别在通信、智能家居、医疗、军事等方面逐渐得到了广泛运用。在语音信号识别中应用非常广泛的一种方法是梅尔倒谱系数。它基于一组非线性的特征参数，能有效结合语音机理，通过计算分析语音波形及行为特征的语音参数进行有效的判断。而识别方法应用比较广泛的有隐马尔可夫模型、高
转载
2023-12-26 16:12:37
62阅读
文本分类能做什么？ 识别垃圾邮件、情感分析、主题分类等文本分类在文本处理中是很重要的一个模块，它的应用也非常广泛，比如：垃圾过滤，新闻分类，词性标注等等。它和其他的分类没有本质的区别，核心方法为首先提取分类数据的特征，然后选择最优的匹配，从而分类。但是文本也有自己的特点，根据文本的特点，文本分类的一般流程为：预处理；文本表示及特征选择；构造分类器；分类。分类问题模型： 分类器 分类器是一个函数f，
转载
2023-08-11 22:07:53
69阅读
目标：在NLP领域，基于公开语料的预训练模型，在专业领域迁移时，会遇到专业领域词汇不在词汇表的问题，本文介绍如何添加专有名词到预训练模型。例如，在bert预训练模型中，并不包含财经词汇，比如‘市盈率’等财务指标词汇，本文将介绍：方法1：修改 vocab方法2：更通用，修改分词器tokenizer内容：NLP的分词NLP的处理流程：对输入的句子进行分词，得到词语及下标通过embedding层获得词语
自然语言预处理 1.分词对于英文，有天然的空格作为分隔符号，但是对于中文，我们需要进行分词处理，把文章变成词汇序列，再去重成为下面所说的词汇表。词汇表是文章中出现过的所有的单词的不重复列表（只出现一次） 2. 词汇表 自然语言预处理，需要去掉停止词，添加符号。核心是将所有的文本内容转换成编号进行处理。我们需要先创建一个vocabulary保存所有出现过的单词，如果单词
# 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
275阅读
一、引言 语音识别技术是让计算机识别一些语音信号，并把语音信号转换成相应的文本或者命令的一种高科技技术。语音识别技术所涉及的领域非常广泛，包括信号处理、模式识别、人工智能等技术。近年来已经从实验室开始走向市场，渗透到家电、通信、医疗、消费电子产品等各个领域，让人们的生活更加方便。语音识别系统的分类有三种依据:词汇量大小，对说话人说话方式的要求和对说话人的依赖程度。(1)根据词汇量大小，可以分为小词
转载
2024-01-09 10:08:57
135阅读
在计算机领域，不断崛起的两个领域，一个是CV一个是NLP，下面我们可以探索一下深度学习在NLP的应用和特点。深度学习在自然语言处理（NLP）领域有广泛的应用。以下是一些主要的应用和特点：语音识别：深度学习模型可以通过语音数据训练，学习如何将语音转换为文本。文本分类：深度学习模型可以根据文本内容将文本分为不同的类别。例如，情感分析、主题分类等。机器翻译：深度学习模型可以将一种语言翻译成另一种语言。神
转载
2024-06-20 14:43:42
15阅读
前文回溯，之前一篇：含辞未吐,声若幽兰,史上最强免费人工智能AI语音合成TTS服务微软Azure(Python3.10接入)，利用AI技术将文本合成语音，现在反过来，利用开源库Whisper再将语音转回文字，所谓闻其声而知雅意。Whisper 是一个开源的语音识别库，它是由Facebook AI Research (FAIR)开发的，支持多种语言的语音识别。它使用了双向循环神经网络（bi-dire
转载
2023-11-13 16:43:23
174阅读
PyTorch简介简介PyTorch是一个很著名的支持GPU加速和自动求导的深度学习框架，在最近几年收到学术界的热捧，主要是因为其动态图机制符合思维逻辑，方便调试，适合于需要将想法迅速实现的研究者。发展历程PyTorch的前身是Torch这个机器学习框架（支持GPU加速运算），它使用Lua语言作为开发语言，该框架的小众性正是因为其使用这个冷门的编程语言。2016年，Facebook在Torch7的
转载
2023-10-18 13:56:28
58阅读
论文题目：SPEECH TOPIC CLASSIFICATION BASED ON PRE-TRAINED AND GRAPH NETWORKS作者列表：牛方静，曹腾飞，胡英，黄浩，何亮研究背景随着网络科技的不断进步，短视频的个性化推荐，会议的录音记录等相关的音频信息在我们的生活中扮演着越来越重要的作用。如何能在海量的语音信息中，准确的进行语音信息的分类和定位，从而减少我们获取信息的时间变得尤为重
转载
2024-03-22 09:52:02
83阅读
训练一个分类器关于数据？ 一般情况下处理图像、文本、音频和视频数据时，可以使用标准的Python包来加载数据到一个numpy数组中。 然后把这个数组转换成 torch.*Tensor。图像可以使用 Pillow, OpenCV 音频可以使用 scipy, librosa 文本可以使用原始Python和Cython来加载，或者使用 NLTK或 SpaCy 处理 特别的，对于图像任务，我们创建了一个包
转载
2024-07-04 15:48:08
110阅读
PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。
本文为实战篇，介绍基于RNN的文本分类！ 本文将构建和训练基本的字符级RNN（递归神经网络）来对单词进行分类。展示如何“从头开始”进行NLP（自然语言处理）建模的预处理数据，尤其是不使用众多NLP工具库提供的许多便利功能，因
转载
2023-12-19 07:11:13
67阅读
本篇文章使用进行pytorch进行语义分割的实验。1.什么是语义分割？语义分割是一项图像分析任务，我们将图像中的每个像素分类为对应的类。 这类似于我们人类在默认情况下一直在做的事情。每当我们看到某些画面时，我们都会尝试“分割”图像的哪一部分属于哪个类/标签/类别。 从本质上讲，语义分割是我们可以在计算机中实现这一点的技术。 您可以在我们关于图像分割的帖子中阅读更多关于分割的内容。 这篇文章的重点是
转载
2023-09-18 11:43:25
163阅读
1.背景介绍语义分割是计算机视觉领域的一个重要任务，它涉及到将图像中的像素分为不同的类别，以表示不同物体、场景和特征。这种技术在自动驾驶、地图生成、医疗诊断等领域具有广泛的应用。随着深度学习技术的发展，语义分割的研究也得到了重要的推动。在这篇文章中，我们将介绍如何使用PyTorch构建高性能的语义分割模型。我们将从背景介绍、核心概念与联系、核心算法原理和具体操作步骤以及数学模型公式详细讲解，到具体
简单有趣的 NLP 教程：手把手教你用 PyTorch 辨别自然语言（附代码） 本文作者甄冉冉 最近在学pyTorch的实际应用例子。这次说个简单的例子：给定一句话，判断是什么语言。这个例子是比如给定一句话：Give it to me判断是 ENGLISHme gusta comer en la cafeteria判断是 SPANISH就是这么简单的例子。来看怎么实现：准备数据 格式
转载
2024-09-21 11:31:11
132阅读
前言MASR是一款基于Pytorch实现的语音识别框架，MASR致力于简单，实用的语音识别项目。可部署在服务器，Nvidia Jetson设备，未来还计划支持Android等移动设备。源码地址：https://github.com/yeyupiaoling/MASR本项目使用的环境：Anaconda 3Python 3.7Pytorch 1.10.0Windows 10 or Ubuntu 18.
一、语音语音语音是语言的物质外壳，即语言的声学表现形式语音是人类自然的交流工具语音通信人机语音交互声学（Acoustics）音频（Audio）：采样率、量化位数、通道数（例16KHz, 16bit, Mono）语音（Speech）编码/格式：参数编码、波形编码、混合编码（例PCM(WAV)、MP3、SLIK…）时域：波形的振幅、频率频域：傅里叶分析：每个复杂的波形都可以有不同频率的正弦波组成语谱(
摘要语音情感自动识别是近几年来人机交互领域的研究热点。 然而，由于缺乏对语音波形特点及时间特点的研究，目前的识别精度有待提高。为了充分利用时间特征里情绪饱和度的差异，提出了一种利用帧级语音特征结合基于注意力机制的长期短时记忆(LSTM)递归神经网络模型进行语音识别的方法。从语音波形中提取帧级语音特征，取代传统的统计特征，通过帧的序列来保持原始语音中的时序关系。本项目提出了一种基于LSTM的语音识别
人工智能小白日记 语音情感分析探索之3 语音分离相关调研前言正文内容1 非监督学习相关1-1 聚类算法1-2 HMM隐马尔可夫模型1-2-1 马尔可夫链1-2-2 HMM1-3 盲信号分离2 关于语音分离 前言在上一篇中，初步实现了语音的情感识别，因为识别度在0.5-0.6这样子，着实不够有说服力，其实根据诸多论文描述，还有达到0.9以上的可能，比如特征融合或是模型优化。这个后面再说，至少知道怎
声学模型解码（带状态转移概率） 最近一直在学习哥伦比亚大学与爱丁堡大学语音识别课程，并且修正了哥伦比亚大学中基于HMM构建的语音识别系统存在问题终自己写了一套基于HMM的语音识别系统，前文一些博客简单对上述工程实现以及理论进行了介绍，但是前文进行Viterbi解码时并未融入状态转移概率，虽然转移概率相较
转载
2024-07-18 08:45:34
44阅读
