Torch+DeepSpeech2的语音识别注意事项
来源:互联网 发布:苏州岩倍美工是真是假 编辑:程序博客网 时间:2024/05/21 22:48
上半年做了一些有关语音识别的工作,整理一下实践过程中容易被忽视的小tricks,以免忘记。本文是在Torch上使用了Baidu的DeepSpeech 2语音识别模型进行的实验。
1. 根据语音数据的格式(如***.wav,单声道等属性),在“MakeLMDB.lua”中将参数进行修改,(将sph格式改为wav,声道数设为1等)
2. 由于自己准备的数据的采样频率sampleRate与预设的16kHz可能不同,需要注意在“predict.lua”文件中修改该参数,
cmd:option('-sampleRate', 16000, 'Rate of audio (default 16khz)')
由于采样频率的改变,RNN输入的数据size也有了改变,因此需要在"DeepSpeechModel.lua"文件中修改rnnInputsize的大小,
local rnnInputsize = 32 * 41 -- based on the above convolutions and 16khz audio.
如果不知道需要修改成多大的size,可以加入以下语句得到需要的size值
require 'dpnn' conv:add(nn.PrintSize("Conv Size"))
3. 根据输出的单词库的size(词或字母的个数),在"DeepSpeechModel.lua"中改全连接层的输出个数
4. 因为实现的是中文语音识别,要汉字文本在lunix不乱码需要设置UTF-8编码格式
# 5. 在一次实验后重新实验,需要删除生成的"sort_ids_test.t7“,"sort_ids_train.t7"文件(没有仔细研究,似乎是保存了上一次实验的lmdb数据,如果不删除则会使用原来的data),后来github上的代码修复了这一bug。
阅读全文
1 0
- Torch+DeepSpeech2的语音识别注意事项
- Kaldi语音识别注意事项
- 语音识别中使用Cool Edit Pro的使用注意事项
- python使用百度语音识别API注意事项
- HTML5的语音识别
- 语音识别的介绍
- powershell的语音识别
- 语音识别的例子
- 语音识别的基本概念
- 语音搜索的基础-语音识别
- 语音识别技术的基础
- 语音识别引擎的安装
- 语音识别的数据丢失
- 语音识别技术的先锋
- Sphinx4语音识别的框架
- Google的语音识别API
- 语音识别的基本方法
- 一个语音识别的例子
- Linux top命令详解
- android gradle 4.1以上依赖的改变:compile->api和implementation
- 文章标题
- TabLayout使用
- git用到的小实例
- Torch+DeepSpeech2的语音识别注意事项
- AI决策算法 之 GOAP (二)
- RecyclerView上拉刷新下拉加载
- Freemarker 学习笔记一Freemarker 的介绍以及创建步骤
- java性能优
- bcoderSS官网
- wireshark捕获/过滤指定ip地址数据包
- 4-1集合类(重点)
- ExpandableListView购物车实现(转载)